推荐算法工程师 - 中国交易与广告

中国交易与广告，基于个性化推荐、深度学习和大模型技术，依托抖音、今日头条、红果短剧、西瓜视频、番茄小说等多元产品，构建抖音电商、生活服务、广告营销等核心营收业务的算法策略和工程架构。部门运用领先的算法能力，精准连接海量用户与商家，通过推荐、广告和搜索算法精准匹配需求并促进交易达成，保障用户体验与商家权益，实现营收业务可持续增长；基于深厚的技术积累，构建高效、智能、可靠的交易与广告产品，全面提升多行业收入变现与市场占有。在这里，你将直面超大规模流量与复杂业务场景的技术挑战，深度应用业界领先的商业模型与算法技术，投身面向未来的数字营销能力建设，持续探索前沿技术。

1. 负责推荐系统链路的算法与模型迭代，面向“召回→粗排→精排→重排/混排”的完整流程，持续提升分发效率与用户体验，并对指标（点击、转化、完播/停留、交易价值与长期价值等）负责；
2. 建设多路召回与向量检索体系：包括双塔/表征学习、ANN检索、语义召回与多模态召回等方向；结合用户意图、上下文与实时信号，提升覆盖率、相关性与实时性；
3. 建设粗排、精排与重排/混排模型体系：以Transformer为核心进行序列建模与交互建模，结合样本/特征/损失设计与训练技巧，在稳定性、鲁棒性与在线收益之间做权衡；在用户体验、商业收益、生态健康与合规约束之间做平衡；结合因果推断、强化学习、约束优化与探索-利用机制，提升长期收益与系统稳定性；
4. 推动模型Scaling与训练范式升级：围绕更大规模数据、更长序列、更大模型与更强训练策略（如自监督预训练、多任务学习、蒸馏、对比学习等）实现可控收益，并沉淀可复用的训练与评估方法论；
5. 探索生成式推荐与LLM4Rec：将大模型的语义理解与推理能力引入候选生成、召回增强、重排、混排等环节，提升复杂需求理解、冷启动与长尾分发效果；
6. 推进推荐工程化落地：构建样本与特征体系、离线训练与在线推理链路，优化时延与成本（量化/蒸馏/剪枝/推理加速、向量服务、特征一致性与可观测性），并通过AB实验与评测体系实现持续迭代闭环。