岗位职责
- 负责手淘外投广告场景的算法优化工作，包括召回、粗排等投放漏斗的模型优化；
- 生成式召回：利用大模型的世界知识能力结合多维度信息在外投场景增强对用户的理解，通过生成式的方式实现优选素材召回。
- 利用大规模机器学习算法对用户兴趣建模和商品/素材表征学习，提升超大规模外投场景的召回效率；
- 深入理解外投的业务特点，结合素材理解，广告位理解，标题生成等方向，挖掘算法驱动业务的增长点，并推动落地；
- 负责研究和推动广告位冷启动&素材冷启动，热品挖掘等在外投中的探索与应用。
职位要求
- 熟悉推荐系统或广告系统的核心流程，掌握召回、粗排、精排等关键环节的建模与优化经验；
- 具备大模型SFT（Supervised Fine-Tuning）应用经验或多模态模型应用（文本生成，图像生成等）项目经验；
- 具备扎实的编码能力，精通至少一种编程语言，如JAVA、Python等，熟练使用 TensorFlow 或 PyTorch 框架进行模型开发、训练与部署；
- 关注行业前沿技术应用和学术界较新理论突破，对建设超大规模机器学习算法中具挑战性的问题充满热情，拥有良好的团队合作意识，拥有良好的沟通能力；
- 具备以下条件者优先考虑： a. 在KDD、SIGIR、WWW、ICML、NeurIPS、RecSys等国际顶会发表过推荐/广告或大模型相关论文优先； b. 在ACM、数学建模、天池、Kaggle等竞赛中取得优异成绩； c. 有大规模在线广告、推荐系统实战经验，或成功将大模型SFT技术应用于工业级场景。
