岗位职责
- 建设面向蓝领招聘场景的匹配能力，通过大模型辅助完成特征处理、模型训练、离线评估和工程化接入等轻量模型能力。你将参与蓝领线索意向度评分、线索质量识别、商家匹配和履约预测等方向，解决低意向线索入池、优质线索识别不足、商家匹配效率不稳定等问题，提升大盘收入和商家ROI；
- 结合业务数据和大模型能力，完成字段理解、数据清洗、异常识别、特征构造和样本质量分析，包括城市、工种、薪资、到岗时间、内容互动、AI 面试信息、历史投递、商家承接和履约反馈等特征；
- 基于清洗后的样本和特征，完成 baseline 模型训练、调参、离线评估、特征重要性分析和错误样本分析，探索LightGBM、DNN、DeepFM、DIN等模型算法在实际业务场景中落地的方案；
- 参与模型工程化建设，包括训练评估脚手架、实时/批量推理链路、实验记录、模型版本管理、Prompt 工程 和 Review Checklist 沉淀；
- 配合正式员工完成模型结果分析、灰度验证和业务复盘，判断模型是否稳定优于现有规则策略，是否具备进入线上实验的价值；
- 跟踪大模型、特征工程、推荐排序、AutoML 等相关方向的新方法，并尝试将合适方案应用到蓝领线索质量优化场景中。
职位要求
- 计算机、人工智能、数据科学、软件工程、数学、统计、自动化等相关专业，研究生优先；
- 熟悉 Python、C++、Java、R等任一常用编程语言，具备较好的数据处理和代码实现能力，熟悉 SQL 者优先；
- 具备机器学习基础，了解分类、排序、回归、推荐系统等常见问题，有强化学习、深度学习基础优先；
- 熟悉 sklearn、PyTorch、TensorFlow 任一工具优先；
- 有科研实验、论文复现、数据挖掘比赛、推荐排序项目经验优先；
- 能熟练使用大模型辅助编码、数据分析、文档整理和问题排查，但不盲信 AI 生成结果；
- 具备良好的实验记录习惯，能够清晰说明实验目标、数据口径、指标结果和下一步优化方向；
- 每周可实习 4 天及以上，实习周期 3 个月以上，能长期实习优先。
