岗位职责

负责个性化推荐算法优化，包括电商短视频、图文、新用户推荐、视频冷启动、兴趣探索等场景，通过深度序列建模、生成式推荐、多目标优化、多模态表征学习等技术提升信息匹配效率与推荐发现性，让用户便捷地找到优质内容和货品；
负责推荐全链路（召回、粗排、精排、重排）的模型迭代与优化，结合LLM4Rec、生成式召回/排序（Generative Retrieval/Ranking）等前沿范式，探索大语言模型与多模态技术在电商推荐场景的落地应用，通过多目标优化持续提升业务指标；
挖掘和分析海量用户行为数据，基于长序列建模（Lifelong Sequence）进行用户长短期兴趣建模与潜在兴趣探索，提升推荐的精准性与多样性；
探索AI Agent在推荐系统中的应用，包括基于Agent的自动化调参、智能实验管理、数据分析与归因决策，以及Agent驱动的用户意图理解与交互式推荐，同时通过算法自动挖掘优质商品和达人，优化供给侧分发效率与冷启动机制，构建良性的内容电商生态；
结合国际化电商业务特性，进行模型和算法创新，打造业界领先的推荐系统。

职位要求

扎实的算法和数据结构基础，优秀的编码能力；
在搜索、广告、推荐或大模型领域，有参与或主导过模型复杂化、大模型落地等经验；
熟悉PyTorch或TensorFlow，熟悉开源大模型（如LLaMA、Qwen、DeepSeek等），有模型或大模型训练与推理优化经验优先；
熟悉C++和Python语言，熟悉Linux开发环境；
具备优秀的学习能力和良好的团队合作精神，在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等会议发表过论文，或有数据挖掘/机器学习相关竞赛经历优先。