快手搜索广告算法工程师
任职要求
1、拥有 NLP&相关性 & 图文多模态背景的同学； 2、拥有CTR/CVR预估背景的同学； 3、拥有较强系统功底的同学: C++/网络编程/操作系统/python等经验的同学。 ps：快手的搜索已经拥…
工作职责
1、Query理解：通过NLP技术理解用户的搜索Query及其意图，包含分词、核心成分识别、词权重、实体识别、Query分类、文本embedding表征等技术； 2、广告理解：通过NLP和图像技术理解广告的标题、图像封面和视频等； 3、<Query, 广告相关性>：通过NLP和多模态图文相关性技术计算Query和广告的相关性； 4、CTR&CVR预估：通过展现点击和点击转化日志，对CTR/CVR进行建模； 5、机制：通过竞价机制(CPM/CPC/oCPC/oCPM)决定对广告主的扣费。
1、负责搜索广告 AI 检索技术研发，将多模态大模型落地于语义检索、生成式推荐、端到端召回等无关键词召回技术中，促进 LLM、Agent 等技术在搜索广告业务中用户洞察、投放标的理解、动态创意等方面的落地； 2、负责搜索广告 AI 匹配技术研发，通过最新的生成式 AI 等技术升级广告匹配链路，重构意图理解、需求匹配、转化预估能力，探索多模态大模型、Agent、排序大模型等技术在用户需求匹配方面的应用。
1.负责搜索广告前沿技术探索，基于 LLM 重塑引擎链路，持续提升用户意图理解，以及精准的需求匹配； 2.生成式召排，打破 MCA 级联链路范式，往端到端推荐链路演进； 3.相关性模型，通过大模型持续预训练、强化微调及多模态理解技术，提升搜索词与广告的匹配精度，优化用户搜索体验； 4.深度语义理解排序，传统人工语义特征，升级到大模型理解的 token 范式； 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。
1、负责搜索/推荐/广告/用户增长场景算法模型的迭代与优化，涵盖召回、排序、uplift、出价等关键环节，以持续提升点击率/转化率/激活/LTV/GMV/相关性为核心目标； 2、通过优化样本/特征/模型结构/数据流等提升模型的效率和效果；探索精排模型的Scaling Law； 3、运用规则或机器学习模型，为业务增长制定科学的策略体系，并持续优化整体机制； 4、深入分析电商场景下的用户行为，构建精准用户画像，为业务增长策略提供核心数据洞察； 5、追踪并研究深度学习、多模态大模型、生成式推荐等领域的前沿算法，探索其在业务场景中的应用与创新。
1、负责核心电商搜索、推荐、广告场景的个性化流量分发和模型研发工作，提升用户体验，优化场景的订单、GMV、收入、DAU等指标； 2、负责搜广推全场景的召回、粗排、精排、重排、策略等方向的优化，提升模型效率、策略的合理性，最大化流量分发效率； 3、研究方向：深度学习、召回模型、LTR、CTRCVR模型、Uplift模型、多模态大模型、创意生成和优选、营销增长算法、运筹优化、模型压缩和加速等。追求技术创新和实际业务的结合，深入剖析电商系统的问题，不断提升用户的体验。