岗位职责
定义大模型时代的主动推荐
- 主动服务场景构建： 负责千问场景下的主动推荐算法研发。基于用户长期记忆与画像，构建主动发起聊天话题、引导任务执行的算法体系。
- 生成式推荐探索： 探索 LLM-Native 的推荐范式，利用大模型的原生推理能力实现生成式推荐（Generative Recommendation），打破传统过滤式推荐的局限。
- 时机决策与推送策略： 针对主动服务中的“打扰度”痛点，构建高精度的时机建模（Timing Modeling）与推送策略，确保在最合适的时刻提供最具价值的信息。
- 长时记忆与任务驱动： 结合 RAG 与记忆模块，使推荐逻辑具备跨时空的连续性，实现基于历史上下文的精准任务挖掘与发起。
- 业务闭环优化： 深度理解推荐与推送业务指标（点击、留存、任务达成），通过算法手段实现用户价值与业务增长的协同。 职级可看P6-P8
职位要求
- 推荐领域资深背景： 拥有丰富的荐系统或推送业务经验，对召回、排序、重排等经典架构有深刻理解。
- 大模型实战经验： 熟悉主流大模型的应用逻辑，有生成式推荐、Agent 推理或 LLM-based 策略优化实战经验者优先。
- 策略与建模能力： ○ 精通传统推荐算法（如多任务学习、强化学习、序列建模）。 ○ 在推送算法、用户生命周期建模、或 Uplift Model 等增量建模方向有成功案例。
- 敏锐的业务洞察： 能够从用户体验角度出发设计算法，对“主动服务”场景有独特的思考，不拘泥于单纯的技术实现。
- 工程与硬技能： 极其扎实的编程功底（Python/Java/C++），熟悉主流深度学习框架，具备处理海量数据、实现复杂逻辑落地的能力。 加分项 ● 在推荐系统或 NLP 顶会（RecSys, SIGIR, KDD, ACL 等）发表过大模型推荐相关论文。 ● 有成功的“主动式 AI”或“情感化交互”产品落地经验。 ● 在处理复杂用户记忆、长上下文推理方面有独到见解。
