快手广告大模型与AIGC算法专家
任职要求
1、计算机、数学、统计学、人工智能等相关专业硕士及以上学历； 2、熟练掌握python/c++/java中至少一门语言，有扎实的数据结构和算法基础； 3、熟悉常用的机器学习算法， 熟练使用Pytorch/tensorflow等深度学习框架； 4、有扎实的机器学习、深度学习理论基础，在cv/nlp/推荐/广告等领域拥有1年以上的研发和从业经验，在多模态、信息抽取、智能问答、对话系统、文本生成、视频剪辑、视觉生成、视觉内容理解等领域有丰富的实践经验； 5、有高水平论文者优先，包括但不限于NeurIPS / ICML / CVPR / ICCV / ECCV / ACL / EMNLP / ICLR / KDD / AAA I/ WWW / TPAMI等； 6、实践动手能力强，在高水平技术评测或竞赛中获得Top成绩、在开源组织有贡献或影响力者优先； 7、善于合作，有一定的抗压能力。
工作职责
1、商业化LLM：负责大语言模型（LLM）的前沿技术探索和全链路研发，包括但不限于抗知识遗忘的继续预训练、指令微调、RLHF等，结合广告业务场景，研发基于大语言模型下游应用，包括但不限于营销场景下的语义理解、信息抽取、脚本生成、对话系统等，提升广告投放系统的智能化能力； 2、广告AIGC：负责以扩散模型等为代表的前沿图文/短视频的生成式AI在内容创作方面的算法研发和落地，包括但不限于text to image, text to video, image and video editting等，结合文本/图像/视频/音频等多模态匹配技术、广告投放优化策略和模型，优化AIGC系统生成效果和广告投放效果； 3、多模态大模型for推荐：负责视频多模态大模型的最新研究进展和相关技术实现（视频理解、视频内容问答、视频caption等），提出并优化最前沿算法，将多模态等基础大模型的表征学习与广告业务相结合，提升广告分发效率。
AI导购是一个技术综合型场景，涉及到文本生成、商品推荐、多模态理解、生成等等。LLM相关的大多数技术都能在导购场景中发挥很大的价值。 候选人将会负责 1.淘宝AI导购场景的算法研发，面向亿级别的C端用户，利用前沿的大模型、AIGC等技术，建设服饰场景下的AI搭配能力。 2.利用淘宝海量的用户行为数据和知识，训练符合中国人审美的服饰穿搭多模态理解及生成统一模型；并构建与淘宝子商品的关联算法，生成优质的服饰搭配库。 3.建设在线搭配搜索及推荐系统，包含业务逻辑开发及搜推算法构建，完成在业务场景的应用落地。
商品基础算法团队是淘天集团核心的商品理解中台，负责对淘天全域（淘宝、天猫等）数百亿的商品进行深度、精准、多维度的内容理解。我们产出的商品认知能力（如属性、卖点、风格、品类、知识），是整个淘天搜索、推荐、广告、AIGC应用、智能导购、直播等所有核心业务的基石，直接决定了用户“逛”和“买”的体验，是连接“人”与“货”的智能引擎。 当前，我们正处在用新一代AI技术（大模型、多模态大模型）彻底重塑商品世界的历史机遇期。在这里，你将接触到全球最丰富、最复杂的电商多模态数据，有机会定义下一代商品理解的技术范式，你的工作成果将通过集团各大业务场景，影响亿万用户的消费决策。 岗位职责： 1. 构建业界领先的商品多模态理解体系： 负责利用大语言模型（LLM）及视觉语言模型（VLM）等前沿技术，对商品的多模态内容（文本标题、详情描述、图片、视频等）进行深度解析，完成高质量的标签抽取、卖点挖掘、风格识别、需求理解等核心任务。 2. 探索大模型背景下的下一代商品知识库的构建范式：如何从海量商品信息、用户评论、行业知识中自动化构建知识体系？如何解决知识的事实性问题？如何在庞大、有噪声的知识库中抽取有效知识，用于下游落地和应用 3. 负责大模型/多模态模型的前沿技术探索与落地： 跟踪并实践领域内前沿的模型和技术（如模型Fine-tuning, RAG, In-Context Learning, Agent, Model Distillation等），结合业务场景进行技术选型、方案设计与模型优化，解决从训练到部署全链路的挑战，实现技术创新与业务效果的双赢。 4. 设计和优化算法架构与系统： 负责商品理解算法系统的整体架构设计与持续迭代，保证系统的高性能、高可用和高扩展性，以应对淘天集团海量数据的挑战。 5. 驱动技术创新转化为业务价值： 深入理解业务，主动挖掘技术能创造价值的场景，与产品、工程团队紧密协作，通过严谨的AB实验验证算法效果，用技术力量持续驱动业务指标增长。
1、负责基础模型和Generative AI的基础能力建设，追踪业界文本生成/翻译、图生文、deepfake等方向的最新技术，极致优化预训练、微调、领域知识注入、RLHF、RM、AI Safety等能力； 2、将AIGC相关技术在广告、电商、短视频、直播等商业产品的内容理解上落地，构建新一代基于大模型的商业化生态； 3、从事强化学习与大语言模型智能体（LLM-based Agent）相结合的交叉研究与应用落地； 4、探索大模型高效训练/推理方案。
1. 预估方向：负责搜推广预估模型、校准相关方向的算法策略研发，包括特征体系和模型创新，负责深度学习模型在用户表征学习、召回模型、精排打分模型中的应用。 2. 机制方向：负责广告机制策略优化，基于深度学习与运筹优化的深度结合，优化出价机制策略，满足广告主多约束多目标的保量投放需求，同时提升客户效果与平台收益；构建多目标约束优化框架（如收入、广告主留存、生态公平性）建设生态健康的广告系统。 3. 创意方向：负责搜索广告动态创意模型策略算法优化工作：使用AIGC大模型根据客户营销信息，结合流量特征生成广告创意物料，提升广告创意物料供给的质量和营销效果；负责搜索广告创意物料-样式组合优选模型：多模态创意-物料素材组合优选，为搜索广告选择最优创意物料和样式组合，进而提升广告营销效果。 4. 流量增长：负责高德端内商业化广告流量的增长，具体包括：在搜索引导、Query推荐等核心场景中，通过端内用户行为的分析和挖掘，自动挖掘高价值广告供给和Query数据，结合在线实时识别与预估用户需求，主动进行精准化引导与分发，从而实现商业化广告流量的高效提升。 5. NLP/相关性方向：负责搜索广告的Query理解、触发、bidword推荐、文本匹配、Query推荐等相关工作，熟悉并掌握主流的NLP算法，在保障广告用户体验的前提下，提升广告收