岗位职责
- 反馈方向:通过流量手段,满足作者被看到的诉求,在ROI约束下最大化激励作者留存和二次创作;
- P2U onerec:面向B端的生成式推荐,反向为每个作品匹配最可能为作者互动的用户(P2U),转置后作为核心召回分发给用户;
- 优势:相比传统onerec召回单QPS ROI更高,可接受延迟更大,有更大的scaling空间;
- 难点:需额外解决用户表征不稳定(Tokenizer)、用户聚集会看不完(受限BS)等问题;
- 这里是业界领先的B端团队,多篇工作在NIPS、ICLR、KDD、AAAI等会议发表,希望和你一起探索最前沿的技术;
- 这里有丰富的数据和海量计算资源,期待你的发挥,创造更多的价值。
职位要求
- 熟悉GR方向,了解原理并有全流程实操经验;
- 扎实的机器学习和推荐基础;
- 善于阅读文献,快速学习 ,具备优秀的分析和解决问题的能力,良好的沟通协作能力。 如果你还满足以下要求,我们会优先考虑:
- 有Agent驱动的推荐系统、模型迭代提效经验;
- 有推荐系统、因果推断、合作博弈、机器学习、信息检索、自然语言理解 及计算广告学相关领域研究及实践经验;
- 有实际线上的高并发架构开发和调优的经验;
- 在KDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表;
- 有ACM / Topcoder Algorithm 或类似算法竞赛经历者优先。