快手推荐算法工程师-【生活服务】
任职要求
1、计算机科学、数学、统计学等相关专业硕士及以上学历，精通C/C++、Java、Python等至少一门编程语言； 2、有机器学习、数据挖掘、自然语言处理、推荐系统等相关研究经验或工…
工作职责
生活服务业务是快手商业化增速最快的业务之一，包含线索和本地团购类型行业。一起来探索端到端生成式推荐OneLoc，Scaling Law，近场分发场景下的多模态表征，基于RL的长期价值最大化。 1、负责生服广告和自然内容推荐系统的核心精排模型算法持续迭代优化，提升业务的核心指标，帮助快手生服业务高速增长； 2、基于快手的海量用户和商家数据，探索使用机器学习、迁移学习、强化学习、LLM、diffusion、多模态技术、博弈论等前沿技术来解决快手生活服务业务所面临的多元异构数据的挑战，将前沿技术在生服业务上落地，推动业务高速发展； 3、通过数据分析挖掘业务潜在机会，面向流量投放侧和广告主优化侧进行算法设计和效果优化。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：推荐算法是生活服务场景交易增长的核心驱动力，我们希望借鉴LLM的成功思路，结合生活服务场景的时空特点，探索在生活服务场景推荐算法和架构的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1、基于类Transformer结构的生成式推荐大模型技术，验证生活服务推荐场景的Scaling Law，探索面向大模型的推荐算法建模范式； 2、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理的效率； 3、多体裁多模态表征学习和推荐模型结合； 4、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。 1、负责生活服务场景推荐大模型的算法优化，引入生成式AI技术，优化建模方案、模型结构、特征和样本等，提升场景交易效率； 2、验证生活服务场景的推荐大模型Scaling Law，应对大模型训练中的新挑战； 3、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4、多体裁多模态表征学习和推荐大模型结合； 5、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。
1、负责抖音/抖极团购频道的生活服务内容推荐，共同搭建业界领先的推荐系统； 2、深入理解用户行为，运用特征打通、样本打通、迁移学习等方式，在短视频、直播、门店、商品等不同类型的题材上，优化召回、粗排、精排等环节的效果，提升生活服务场景新老用户的推荐效果； 3、研究将业界或者公司内部最新的深度学习技术，包括多任务学习、图神经网络、超长序列建模、训练效率优化等，结合具体推荐场景的实际问题设计技术方案进行优化； 4、同产品团队合作，洞察用户侧的核心体验问题，并深入理解生活服务业务，从到店、外卖、酒旅等业务特性中挖掘算法亮点，从技术视角、技术驱动满足用户需求，提升推荐体验。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：推荐算法是生活服务场景交易增长的核心驱动力，我们希望借鉴LLM的成功思路，结合生活服务场景的时空特点，探索在生活服务场景推荐算法和架构的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1、基于类Transformer结构的生成式推荐大模型技术，验证生活服务推荐场景的Scaling Law，探索面向大模型的推荐算法建模范式； 2、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理的效率； 3、多体裁多模态表征学习和推荐模型结合； 4、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。 1、负责生活服务场景推荐大模型的算法优化，引入生成式AI技术，优化建模方案、模型结构、特征和样本等，提升场景交易效率； 2、验证生活服务场景的推荐大模型Scaling Law，应对大模型训练中的新挑战； 3、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4、多体裁多模态表征学习和推荐大模型结合； 5、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。
团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、参与抖音，今日头条，西瓜视频，剪映等App，以及国内电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务； 2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节； 3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。