岗位职责
- 负责电商搜索与推荐系统核心算法研发，包括召回、CTR/CVR 预估、排序与重排等关键模块的模型设计与优化，持续提升系统效果与效率。
- 探索并构建新一代 生成式搜索推荐（Generative Search & Recommendation）架构： - 基于端到端生成式范式重构传统召回链路，包括 tokenizer 设计、Next Token Prediction 预训练、RL 后训练等关键技术； - 打破传统级联式召回/排序架构中多阶段优化目标不一致的问题，实现端到端优化； - 构建具备良好 scaling law 的生成式召回系统，提高模型效果上限与算力利用效率。
- 研发 搜推大模型（Search & Recommendation Foundation Model）： - 基于 RankMixer、HyFormer 等类 Transformer 架构，提升模型在用户行为序列建模、长序列理解与复杂特征交互方面的能力； - 探索大模型在召回、粗排、精排等阶段的统一建模能力； - 推动大模型在电商搜索与推荐场景中的规模化落地。
- 跟踪和推动前沿技术方向，包括 Generative Retrieval、LLM for Recommendation、Foundation Model for Search & Ads 等，并推动技术创新与产业化应用。
职位要求
- 计算机、人工智能、机器学习等相关专业优先；
- 在搜索、推荐、广告等领域有扎实的算法基础和实践经验，熟悉召回、排序、CTR/CVR 预估等核心技术；
- 熟悉深度学习框架（PyTorch / TensorFlow），具备大规模模型训练与优化经验；
- 熟悉 Transformer、序列建模、预训练模型等技术，对生成式 AI 或大模型在推荐系统中的应用有深入理解者优先；
- 具备优秀的工程能力与问题拆解能力，能够推动复杂系统的落地与迭代优化。 加分项 无
