岗位职责
- 团队依托千亿级视频内容和全球商品数据，探索NLP、CV、多模态大模型、Video LLM、Multimodal Embedding&SID、Multimodal Reasoning、Agent等技术在电商业务中的落地，支持商品库建设、商品同款识别、内容商品链接、价格比对、AIGC内容生成和生成式搜推技术演进等关键场景；我们的目标是通过多模态大模型和Agent技术，重新理解“卖什么、怎么卖、卖给谁”，重塑内容电商的业务想象力；
- 参与全球商品库和内容理解体系建设，基于NLP、图像理解、多模态大模型等技术对商品、视频、图文、商家、品牌等对象进行结构化理解和语义建模；负责商品同款、商品/商家/品牌消重、跨语言商品聚合等核心算法系统建设，解决海量数据下的多模态匹配、实时流式聚合、多粒度聚合和跨语言语义对齐问题；
- 负责电商比价、商品定价、价格监控和异常预警等算法能力建设，支持百亿补贴、价格竞争力分析、商品供给优化等重要业务场景，建设视频-商品、商品-商品、视频-视频等多模态语义链接能力，支持内容趋势理解、商品挖掘、AIGC内容生成和内容电商供给优化；
- 探索下一代生成式搜推模型的演进，通过视频、直播、商品、Query等多体裁的表征和SID建模，提升生成式搜推的效率和体验；
- 探索Agent在电商业务中的应用，包括比价Agent、商品分析Agent、内容AIGC Agent、商家运营Agent等方向，结合RAG、工具调用、规划推理、自动评估等能力，推动业务流程智能化；参与从数据到业务落地的全流程，包括数据构建、特征工程、模型训练、效果评估、线上部署、负面案例分析和持续迭代，并探索前沿技术在实际业务中的规模化落地。
职位要求
- 在NLP、CV、多模态、大模型或Agent方向有较深入的研究或实践经验，包括但不限于多模态理解、多语言NLP、图像/视频理解、多模态检索、LLM/VLM、Embedding/SID、RAG、Tool Calling、Agent Planning等；
- 熟悉PyTorch/TensorFlow等深度学习框架，具备模型训练、调优和部署经验；了解分布式训练、混合精度训练、推理加速、TensorRT或大模型推理优化者优先；
- 具备较强的工程实践和业务落地能力，有多模态检索、商品理解、内容理解、搜索推荐、价格算法、智能Agent或AIGC项目经验者优先；
- 对大模型和多模态前沿技术保持热情，熟悉Multimodal Embedding/SID、Video LLM、Multimodal Reasoning、视觉语言对齐、长视频理解、生成式搜推等方向者优先；
- 有顶会论文、开源项目、算法竞赛经历者优先，包括但不限于ACL、CVPR、ICCV、NeurIPS、ICLR、KDD、SIGIR、COCO、ActivityNet、Kaggle、ICPC、NOI/IOI等；
- 具备良好的沟通协作能力，积极主动，愿意深入复杂业务问题，用算法和大模型技术创造实际业务价值。
