岗位职责

负责达人分级体系建设，通过潜力建模、LTV预估及达人画像体系，推动达人精细化运营；
建设智能补贴算法流程，结合流量、折扣券、现金等形式对达人进行行为活跃度激励，提升达人短期行为积极性与表现，撬动长期价值增长；
负责达人诊断框架建设，结合因果推断进行因子挖掘、排序及方案关联，持续引导达人健康迅速成长；
围绕达人全生命周期构建智能Agent，通过后训练、Agent框架搭建，完善Agent多轮对话、场景遵循、工具调用等能力，实现选品、创作等流程自动化决策和反馈，提升达人成长体验。

职位要求

熟悉常用的算法模型，对模型调优有一定实践经验；
了解因果推断主流方法及Uplift建模，对反事实推断、Uplift建模等方向有过实践经验；或对推荐系统召回/排序/多样性/冷启动中一个或多个方向了解业界经典的模型和方法；
对LLM相关知识有一定了解，理解大模型技术（模型结构、数据构成、训练RecIPe等），包括但不限于后训练、RAG、Agent框架建设等；
熟悉至少一门编程语言（C++/Java/Python），熟悉至少一种大数据计算工具（Hive SQL/Spark/MapReduce），熟悉Linux开发环境；
善于沟通，具备良好的团队合作精神；对新技术充满好奇，能够持续学习。加分项
有个性化推荐、广告、搜索等相关领域的项目经验；
有图网络、组合优化方向技术知识积累或项目经验；
具备LLM相关pct、Agent项目落地经验，在至少一个能力方向（如指令遵从、推理、工具调用、RAG等）有深入认知；具备SFT、DPO、RLHF、RLVR等后训练经验者优先；
在KDD、NeurIPS、WWW、SIGIR、WSDM、CIKM、ICLR、ICML、IJCAI、AAAI、RecSys等会议发表过论文；
有过数据挖掘/机器学习或ACM-ICPC/NOI/IOI相关的竞赛经历并取得优秀成绩；
有高关注度的机器学习相关博客或GitHub项目。