岗位职责
- 负责推荐系统全链路（召回、排序、重排等模块）的设计与优化，提升电商、内容等场景下的用户个性化体验和核心业务指标（如点击率、留存率、GMV等）。
- 推动多模态技术和大模型在推荐场景的算法创新，探索AIGC、生成式推荐等前沿方向的技术落地与效果提升。
- 主导大规模分布式算法模型的训练与部署，优化模型效率及在线服务性能，支持高并发业务需求，确保系统稳定性和性能达标。
- 参与技术预研及业务策略的A/B测试设计与分析，通过数据驱动的方法优化算法效果和业务指标。
- 与产品、工程、业务团队紧密协作，推动技术方案落地并持续迭代优化，确保技术成果转化为业务价值。 关键能力：
- 精通推荐系统全链路技术，包括召回、排序、重排等模块，具备优化CTR、GMV、用户留存等核心指标的能力。
- 熟练掌握多模态技术和大模型（如Transformer、序列建模等），具备将这些技术应用于推荐、搜索、广告等场景的经验。
- 具备大规模分布式算法模型的训练与部署能力，熟悉模型压缩、联邦学习等技术，能够优化模型效率及在线服务性能。
- 具备扎实的数据分析和A/B测试能力，能够通过数据驱动的方法优化算法效果和业务指标。
- 具备出色的跨团队协作与沟通能力，能够与产品、工程、业务团队高效协作，推动技术方案落地。
职位要求
- 硕士及以上学历，计算机、数学、统计学等相关专业，实验室方向匹配更好。
- 具备3年及以上推荐算法或广告算法研发经验，有知名互联网企业（大厂背景优先）或顶尖学术机构相关经验者优先。
- 精通机器学习、深度学习及强化学习等算法技术，熟悉Transformer、序列建模等模型，具备推荐系统全链路实现经验。
- 熟练掌握Python/Java等编程语言及主流深度学习框架（如TensorFlow/PyTorch），熟悉大数据处理工具（Spark、Hadoop）及线上系统部署流程。
- 对电商、社交或内容推荐场景有深刻理解，能将技术方案与业务需求结合，推动CTR、GMV等指标显著提升。
- 具备良好的逻辑思维与问题拆解能力，善于跨团队协作与技术方案沟通，能在高压下快速响应业务需求并高效交付成果。
