腾讯推荐算法工程师（push核心策略方向）

-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

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

1. 负责设计、开发和优化 Push 算法，通过对用户行为、偏好等多源数据的分析建模，实现个性化 Push 推送，提升用户点击率、转化率等核心指标。 2. 深入研究行业前沿算法和技术，结合业务需求，引入新的算法思路和模型结构，不断迭代 Push 算法体系，增强产品竞争力。 3. 负责push系统的性能优化和系统架构设计，保障系统稳定性和可扩展性； 4. 负责与产品、运营等团队合作，理解业务需求，为用户提供更优质的push推荐服务