腾讯腾讯营销-大模型推荐算法负责人
任职要求
1.具备扎实的数据结构和算法功底，熟悉掌握常见有监督、无监督等算法模型的原理、优缺点、适用场景等基础知识； 2.有机器学习算法优化理论的研究经验，熟悉Tensorflow或者PyTor…
工作职责
1.负责广告基础推荐算法方向，如基础大模型、模型 scaling up、多模态推荐等方向，通过千亿样本、特征，结合模型 scaling up和多模态技术，持续推动建模技术升级突破； 2.基础大模型建模和优化，基于千亿样本、特征，构建基座大模型，并研发Embedding迁移框架及模型蒸馏等技术，实现基座大模型能力向推荐系统的有效迁移，驱动广告CTR/CVR等核心指标持续提升； 3.通过特征、样本、模型的scaling up，持续探索模型scaling law 的天花板； 4.将多模态技术融入广告推荐建模中，通过更丰富信息、更泛化的表达，持续提升模型效果； 5.积极跟进AI学术界和业界的最新动态，优化内部技术方案，不断推进广告算法设计升级。
业务丰富，技术领先 高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 精英阵容，国际视野 团队成员来自泰晤士世界大学排名 Top 10 的高校，以及美国常青藤、清华、北大等顶尖院校，兼具国际化背景与一流技术视野。 持续成长，共享共进 团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。 我们正在寻找相关专业的优秀实习生，一同探索前沿大模型技术及推荐营销算法在共享出行领域的深度应用，共同攻克业界难题，优化产品体验。 在这里，你将参与高德共享出行核心业务的大模型技术落地、推荐营销算法建设等，包括但不限于： 大模型方向：将大模型技术深度应用在高德打车核心链路上，包括多模态大模型、AIGC、SFT、RLHF、高效推理等，提升平台效率和用户体验； 推荐营销方向：利用深度学习、基于大模型的下一代推荐营销算法等，基于海量用户数据，进行高德打车全链路的推荐营销算法构建和迭代，包括多任务学习、多场景建模、序列决策、因果推断建模、应答时长预测等； 在这里，你的算法将直接服务全国数亿级用户，带来真实而深远的影响；你能接触到前沿大模型、多模态、强化学习等核心技术，并与顶尖同事共创，在开放包容的创新氛围下，发挥AI创造力。
1. 推进大模型在推荐系统中的关键技术研发与落地，包括但不限于RAG、语义召回、多模态内容理解、排序优化及Agent应用等前沿方向，提升推荐系统的智能化水平； 2. 构建高质量的训练和评估数据集，完成大语言模型在垂直领域的持续预训练、SFT、RLHF等任务，设计合理的离线与在线评估指标，对模型效果进行科学严谨的分析，并结合业务需求优化模型效果与性能； 3. 利用大模型的表征能力与推理能力，构建精准的物品表征与用户兴趣表征，并实时预测用户意图，为个性化推荐提供核心洞察； 4. 将算法模型进行原型实现、性能优化，并协助推动在真实业务场景中的落地和A/B测试，在保障推荐效果的同时，显著降低计算成本、提升系统响应效率； 5. 紧跟业界前沿（如LLM、多模态、强化学习），探索基于大模型的生成式推荐、序列推荐和端到端推荐等推荐系统新范式，推动推荐系统技术架构的演进与升级；
1.负责微信游戏社区、精品游戏和微信小游戏的推荐投放算法研发工作；基于大模型提升多场景的推荐效率； 2.参与算法链路各模块改进，包括但不限于素材、召回、排序、重排、策略机制、生成式大模型等技术模块； 3.关注业界的前沿大模型推荐进展，结合实际场景进行算法开发落地，持续推动算法升级和业务增长。
1.负责线索智投的反馈调节能力以及机制策略能力建设； 2.基于内外部数据，运用统计学、机器学习、计算广告等多个领域知识，对客户的需求分析，投放效果等进行洞察和分析； 3.负责腾讯营销业务场景的落地，紧贴业务需求出发的技术突破升级； 4.积极跟进AI学术界和业界的最新动态，优化内部技术方案，不断推进算法设计升级。