腾讯推荐算法工程师（push核心策略方向）
任职要求
1.熟悉Python/C++语言编程，对数据结构和算法设计有较为深刻的理解； 2.具有以下一个或多个领域的理论背景和实践经验，包括机器学习/深度学习/强化学习/自然语言处理/推荐系统/…
工作职责
1.参与QQ浏览器个性化push核心策略的研发工作，为用户提供更好的个性化PUSH推荐体验； 2.负责业界领先推荐算法的调研和评估，通过深度学习、强化学习等技术对产品目标建模，并通过特征、模型优化等持续优化模型效果； 3.通过对数据的敏锐洞察，深入挖掘产品潜在价值和需求，通过技术创新推动产品成长； 4.在push推荐场景，将人工智能前沿技术与业务相结合，打造最懂用户的个性化推送系统。
-负责Push推荐系统的核心策略设计与优化，包括但不限于召回、排序、重排、机制等环节，提升推送内容的点击率、转化率及用户体验 -探索多目标学习（如CTR、时长、留存、GMV等多目标平衡）、实时个性化推荐、深度强化学习等前沿技术，提升推送效果 -针对Push场景特性，优化时效性内容分发、择时场景化分发、用户疲劳度控制等关键问题 -持续学习和调研先进技术和行业动态，关注竞品发展，以技术先进性驱动业务发展
该岗位同时支持增长UG多个方向使用，涵盖广告外投、营销激励、Push、视频推荐。 1、开发和迭代CTR预估模型和竞价策略，提升用户增长广告投放点击率、转化率、ROI等核心指标； 2、负责设计和优化算法提升裂变/补贴等增长场景的用户体验，驱动快手系DAU的持续增长； 3、负责快手APP Push相关的算法研发、优化工作，运用策略和算法手段促进用户增长； 4、参与新回用户的短视频推荐优化，提升用户时长、留存率、大盘 DAU等核心指标； 5、通过深度学习领域的研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等算法和系统提升预估效果。
利用机器学习、强化学习、因果推断、LLM、多模态大模型等前沿技术，基于京东海量数据建模用户行为序列、识别兴趣偏好/购买力等用户意图、理解商品文本/图片/视频、优化权益和商品分发策略，提高京东搜推用户的购买体验和效率。 核心职责包括： 1、策略优化：负责搜推用户理解、权益分发、push触达等方向算法工作（包括意图识别、召回、排序、多目标等）； 2、商品理解：建设商品知识体系并挖掘商品多模态统一表征，优化搜推用户体验提升分发模型效果； 3、多模态大模型：深入理解搜索/推荐业务场景（如信息抽取、知识生成、智能问答等），设计并实现基于多模态大模型的创新技术解决方案，能有效解决复杂业务场景下的用户体验问题。
-参与百度APP、贴吧、好看等多产品线的个性化push核心策略的研发工作，为数亿用户提供卓越的个性化推荐体验 -负责业界领先推荐算法的调研和评估，通过超大规模深度学习、强化学习等技术对产品目标建模，并通过特征、模型优化等持续优化模型效果 -通过对数据的敏锐洞察，深入挖掘产品潜在价值和需求，通过技术创新推动产品成长 -在个性化推荐的场景下，将人工智能前沿技术与业务相结合，打造最懂用户的个性化推送系统