快手资深C++开发工程师（商业化）-算法引擎部

职位描述 1. 负责游戏程序框架及技术方案的设计与具体实现，完成关键技术的攻关工作 2. 负责游戏的性能调优及编辑器工具建设 3. 负责项目内各个职能部门的需求沟通和推进工作 4. 参与项目质量把控和推动技术人才培养

负责多条业务线每日上千万的订单交易撮合，重点解决高并发计算，海量数据处理，高可用架构等难点问题，调研先进机器学习相关算法，提高交易效率，部门内部技术氛围好，业务高速扩展，上升空间广阔。 1、通过构建全平台的供需调节、听单推荐、最佳听单路径等核心能力来提升交易效率、司乘体验； 2、构建基于效率、体验、人群、场景等多目标下的实时推荐架构、高并发计算，策略管理框架等难点问题，同时为业务、策略构建先进的机器学习、分层并发实验等能力，提高迭代效率与产品能力； 3、优化滴滴定价方向业务策略架构，持续优化策略研发效率，需求交付效率，设计建设高稳定性、高并发、高可用的系统架构，支持公司商业化目标的落地； 4、深钻定价补贴业务，打造横向支撑B、C端定价补贴的基础能力系统

以大模型对话技术为核心，探索前沿技术问题，研究方向主要为垂域模型的研究与构建。目标是为用户提供专属的玩乐变美便捷生活小助手，实现“技术驱动业务范式”的升级转变，最终助力商业价值全面提升。 研究方向一：Agent能力增强 基于Agent的用户助理，研究提升Agent自主规划能力，并通过Agent构建和基于后训练的优化，实现数字助理的能力复刻和增强。 研究方向二：强化学习算法研究 参与大语言模型后训练阶段的强化学习算法研究，包括基于AI和环境反馈的强化学习（RLXF）算法。同时探索奖励模型与反馈机制，研究可泛化的细粒度过程监督和奖励建模，探索基于细粒度反馈的强化学习算法。 研究方向三：垂域模型定制化构建 领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向，同时建立面向AGI的模型评价体系新范式。 研究方向四：精准上下文理解与长程依赖建模 研究如何高效、准确地捕获和利用复杂的项目级上下文信息（如整个代码库、依赖关系、API文档、Issue跟踪等），探索能够处理超长代码序列、理解跨文件依赖和项目架构的先进模型结构与表征方法，以支持更精准、更全局的代码智能，从而提升业务研发在存量代码中迭代的效率。

1.负责召回检索引擎的设计与开发，构建高性能、高并发的分布式架构，支撑搜索与推荐等核心业务场景； 2.负责设计高性能数据结构，支撑海量数据下各种复杂索引结构的低延迟查询； 3.负责检索相关产品的核心功能、公共核心模块的代码编写； 4.与shein业务团队紧密合作，支撑全场景各种复杂业务的上线和迭代需求； 5.探索新技术方向，通过技术创新解决实际问题，推动系统性能和稳定性持续改进。