快手大模型算法工程师（广告方向）-【商业化】
任职要求
1、计算机、人工智能、电子工程、数学等相关专业硕士及以上学历，具备5年以上算法研发经验，3年以上大模型方向经验优先； 2、扎实的机器学习与深度学习基础，熟练掌握Transformer、LLM、Diffusion等主流模型架构； 3、有SFT、RLHF、LoRA、知识增强(RAG…
工作职责
1、负责广告业务中大模型能力的研发与落地，包括广告商品识别、广告素材生成、智能创编、智能助手等核心场景； 2、深入挖掘广告内容、商品信息、用户行为等多模态数据，构建高质量训练语料与知识库，驱动多模态/多任务大模型能力升级； 3、研究并应用先进的大模型训练技术（如SFT、LoRA、RLHF、Prompt Engineering等），构建面向广告场景的垂类大模型； 4、推动大模型在广告行业中的文本、内容可控生成等关键问题的算法突破； 5、跟踪前沿AI技术，推动AIGC与广告业务结合的创新应用，提升投放效率与用户体验； 6、跨团队协作，推动算法方案在广告平台、创意平台等系统中的落地与优化。
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。
我们是飞猪AI智能体和导购团队，负责飞猪商业化Agent的核心能力建设与业务落地、以及度假、酒店、品牌广告的投放的全链路工作。 你将参与以下核心工作： 1、负责飞猪商业化 Agent 的优化与迭代，包括但不限于 Agent 架构设计、工具调用、多轮对话管理、长上下文推理等关键能力的提升 2、与产品、工程团队紧密协作，将算法能力转化为可落地的用户体验，持续优化 Agent 的业务指标 3、负责广告的全链路优化，包括预算分配、竞价、粗/混排，广告agent的构建
1、探索生成式预估范式在搜索推荐场景的可行性与边界，系统分析生成式模型相较于传统判别式模型在表达能力、泛化性与训练效率上的优劣；设计可扩展的生成式架构，涵盖生成式训练范式、结构优化、以及基于强化学习的排序目标对齐方法，构建具备scale-up潜力的下一代预估模型体系。 2、研究大语言模型（LLM）在电商场景下的个性化CTR/CVR预估应用，探索模态对齐、用户行为链（CoT）建模等技术路径，将LLM的推理能力迁移至用户偏好理解与意图推断，实现更精准的人货匹配与动态兴趣建模。 3、主导大模型预估系统的基础设施建设，涵盖算力友好的算法设计、分布式训练加速、线上低延迟部署、端到端链路优化及计算复杂度控制，推动前沿模型技术在高并发、实时性要求严苛的工业场景中规模化落地。
在这里，你将接触业界顶尖的算法团队和超大规模的技术应用，从事用大模型重新定义搜推广技术的前沿工作，以及有机会提前获得秋招直通T-Star的正式Offer。 岗位课题： 1.基于大模型范式的预估模型研究 2.基于生成式模型的通用用户终身行为建模方案研究 3.面向搜索、推荐和广告场景，端到端的召回和预估联合建模方案研究 4.基于多模态语义信息重塑商品ID体系的方案研究 课题背景： 在大模型时代，我们是否有机会去革新搜推广模型和架构是本课题研究的核心。 成长资源： 1.基础设施-集团对AI的重视和对AI包括算力在内的大力投入，结合团队已有的成熟的研发基础设施和充足的算力，可以支持T-Star进行大胆、高效的技术创新； 2.经验传承-业界大牛担任导师传帮带，手把手帮助T-Star同学在技术和业务上快速升级能力和认知； 3.创新环境-丰富的业务落地环境，大量的开放性课题对接真实商业需求，可以进行短、中、长周期的技术创新。