百度推荐策略部_排序算法工程师（J82242）

-推荐策略部坐标百度双引擎（搜索+信息流）核心业务，以Feed推荐体验的最终呈现，提供推荐能力平台化服务。 -研究数据挖掘或统计学习领域的前沿技术,并用于实际问题的解决和优化 -大规模机器学习算法研究及并行化实现,为各种大规模机器学习应用研发核心技术 -深入理解用户需求和行为模式，利用先进的生成式AI技术（如深度学习、自然语言处理等）优化推荐效果，提升用户体验和平台活跃度

-推荐策略部坐标百度双引擎（搜索+信息流）核心业务，以Feed推荐体验的最终呈现，提供推荐能力平台化服务 -研究数据挖掘或统计学习领域的前沿技术,并用于实际问题的解决和优化 -大规模机器学习算法研究及并行化实现,为各种大规模机器学习应用研发核心技术 -深入理解用户需求和行为模式，利用先进的生成式AI技术（如深度学习、自然语言处理等）优化推荐效果，提升用户体验和平台活跃度

1. 搜索召回算法：基于多模态&LLM大模型等能力，设计和优化1688搜索召回模块；负责文本query理解和改写；设计和优化分人群的多路召回差异化协同机制，并建立召回迭代的评价指标； 2. 搜索排序算法：设计和优化1688搜索排序下的转化率精准预估任务；深入研究全域用户行为建模、全域迁移学习任务、多模态技术方向在排序的应用；设计和优化1688搜索排序框架，围绕长期用户价值对1688排序模型的目标进行设计和优化； 3. 搜索流量机制：负责1688搜索机制策略创新和优化，包括商业化机制策略和用户增长策略的方案设计和落地，分渠道精细化优化用户的留存和活跃； 4. 搜索基础算法：在1688搜索样本和数据特征上进行精细化处理，提升模型效果的上限，通过召回/粗排/排序的模型优化和一致性提升等方式对搜索全链路进行迭代。

具体职责包括但不限于： 1、负责深度学习、搜索推荐、自然语言处理领域的技术研发工作；负责1688推荐产品相关的召回，排序，策略等算法的设计和技术规划，直接上手迭代APP首页推荐算法。 2、负责推荐领域前沿问题的探索与研究，包括结合LLM&多模态技术在未来推荐实际应用场景的落地，提供全面的技术解决方案。 3、负责多场景的用户表征学习，兴趣发现性推荐，内容冷启等场景内的应用落地，对整个推荐系统架构进行迭代升级。 4、负责提供分人群行业化的增长策略，沉淀行业解决方案，协助拓展业务边界，非常适合有较强业务sense的同学。