快手策略算法工程师 -【电商内容安全】

1、负责快手电商场景违规风险识别的策略开发及模型研究工作； 2、深入理解业务本质，运用各类分析方法对业务日志、用户行为数据进行分析与抽象，识别电商生态中的低质商家/带货主播及各类不良内容，解决内容风险问题； 3、推动建立面向各大数据应用场景的数据体系，包括但不限于指标体系/评价体系/标签体系，能快速发现及定位疑似风险的内容和行为； 4、完成各类策略实现，对策略效果进行准确评估并推动上线，并持续完善与优化。

1.设计、开发和优化机器学习模型，应用于微信小店及微信交易的内容审核、风险控制、商家行为监管和用户安全等治理场景； 2.基于海量的数据，进行数据清洗、特征提取、模型训练和评估，提升平台违规行为检测的准确性和效率； 3.参与反作弊、负向信息过滤、虚假交易检测等关键系统的算法研发和优化，维护平台生态健康； 4.持续跟踪机器学习领域的前沿技术和应用，推动新技术在平台治理中的落地和创新； 5.根据平台实际业务需求，开发并维护可扩展、高效的算法框架和工具，提升治理系统的稳定性和灵活性。

1、投放增长：通过因果推断建模、用户长期价值预估等方法，结合个性化出价、实时流量优选等手段，实现对全网超过十亿用户的精准触达，帮助业务高质量地获取新用户、召回老用户，并且利用AIGC、多模态理解等技术实现自动化的素材生产，提升投放效率和效果； 2、激励增长：针对抖音极速版、今日头条极速版、番茄小说/畅听等激励类APP，使用因果推断、运筹优化等技术，设计并优化各类激励任务的数值策略，提升激励效果，优化营销资金效率； 3、电商增长：负责中国区电商的个性化营销策略优化，通过因果推断、深度学习、迁移学习、多任务学习等技术提升个性化定价的准确性，落地应用因果推断、深度学习的前沿研究成果，为电商用户提供更精准的个性化补贴； 4、跨端联动：围绕字节跳动的APP矩阵和流量池，结合推荐、内容生成、激励等手段，设计合理的跨端联动导量方案，在合适的时机将合适的用户引导到合适的APP上，满足用户的不同需求，为字节跳动系整体带来增长； 5、智能引擎：搭建智能增长算法高效落地的工程引擎，设计开发相关的工具和平台，支撑海量的数据流搭建、大规模的模型训练、高并发的在线预估、灵活的策略动调、精准的预算控制、可靠的资金安全保障等全链路各环节的高效运转。

团队介绍：Data-抖音团队，负责抖音APP的推荐算法、内容算法、对话算法及大数据工作，对接各场景业务（短视频，直播，图文，电商，社交，生态，投稿，消息，同城，生活服务，音乐，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、复杂约束的优化问题的解决、内容理解、LLM应用以及新业务方向探索、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型等技术支持抖音的数字人、智能客服、AI工具等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。 抖音作为全球领先的综合性内容平台，拥有庞大的用户群体和多元化的业务生态。在设计如此大规模的推荐系统时，面临社交网络复杂、电商用户兴趣跨域迁移困难、内容与用户冷启动样本稀疏、直播推荐多目标融合效能不足、兴趣重复密集探索不足等多重挑战。 具体表现为：用户社交网络规模达万亿级，传统图算法难以高效地建模动态社交行为与内容消费的耦合关系；用户从内容兴趣到电商兴趣的迁移依赖跨域多模态理解与动态映射，现有方法难以捕捉潜在电商转化信号；新内容和新低活用户冷启动阶段样本量少，传统协同过滤与内容推荐方法泛化能力弱；直播推荐需实时融合点击、互动、消费等多目标信号，但启发式规则难以平衡用户长期体验与短期价值；兴趣密集追打问题严重，新兴趣探索效率不高。 1、社交网络增强的跨域兴趣建模：结合图神经网络（GNN）与大语言模型（LLM），构建用户全生命周期行为图谱，融合社交关系、内容互动与电商行为，挖掘社交网络中的社团结构与跨域兴趣传播路径； 2、兴趣迁移与转化信号捕捉：通过跨域对比学习与对抗生成技术，构建内容兴趣到电商兴趣的隐式映射网络，结合强化学习动态调控探索与利用，兼顾推荐精准性与多样性； 3、多模态小样本冷启动优化：利用LLM的Few-shot推理能力，通过内容语义理解与外部知识增强，设计元学习框架实现新ID特征与泛化特征的联合表征，缓解冷启动数据稀疏问题； 4、多目标融合与长短期价值平衡：基于大模型的泛化能力与长上下文感知，统一建模直播多目标（点击、时长、打赏等）的分布偏差与动态权重，设计个性化融合策略，替代传统多阶段漏斗架构，提升实时推荐效率； 5、兴趣密集与兴趣探索：通过用户兴趣画像建模与强化学习技术，实时捕捉用户消费与兴趣变化，缓解兴趣密集问题，为用户探索新的兴趣。