快手推荐算法工程师-【海外短视频消费】
任职要求
1、计算机、统计学、机器学习等相关专业本科及以上学历； 2、扎实的机器学习基础，熟悉常见推荐算法及优化方法； 3、熟悉推荐系统核心技术体系（召回 / 排序 / 特征工程 / 多目标优化等），具备实际项目经验； 4、具备良好的编码能力，熟悉大规模数据处理与分布式训练框架； 5、对大模型（LLM、多模态模型）有一定理解或实践经验，包括但不限于： (1) Embedding建模、Prompt设计、微调（SFT / RLHF等）； (2) 大模型…
工作职责
岗位亮点 1、参与千万级用户规模的海外短视频推荐系统建设； 2、深度参与“大模型 + 推荐系统”的前沿探索与落地； 3、直接影响社区生态与用户体验，业务价值显著。 职位描述： 1、负责海外短视频推荐系统的算法设计与优化，提升用户消费体验与社区生态健康度； 2、参与核心推荐链路（召回 / 粗排 / 精排 / 重排）的建模与优化，持续提升分发效率与效果； 3、探索并推动大模型（LLM / 多模态模型）在推荐场景中的落地应用，包括但不限于： (1) 内容理解与表征（文本 / 视频 / 多模态 embedding）； (2) 用户兴趣建模与生成式推荐； (3) 冷启动与长尾内容分发优化； 4、围绕关键业务目标进行算法建设与迭代，包括： (1) 短视频内容冷启动效率提升； (2) 垂类内容分发与供需匹配优化； (3) 用户分层与差异化推荐策略优化； (4) 社区生态健康度（多样性 / 公平性 / 内容质量）提升； 5、与产品、数据、工程团队紧密协作，推动算法策略从设计到上线的全流程落地，并持续进行效果评估与迭代。
工作职责 1.海外分发链路建设：负责海外电商推荐全链路(召回、粗排、精排、重排)的算法研发与迭代，在跨市场、多语言场景下提升 CTR、CVR 及 GMV 等核心业务指标； 2.跨域迁移与冷启动：针对海外市场用户行为稀疏、数据积累不足的特点，探索跨域迁移学习、跨语言表征等技术，加速海外市场冷启动与分发效率提升； 3.多目标策略优化：结合海外用户特征与商家生态，设计多目标融合排序机制，平衡用户体验、内容生态与商业收益，实现全球化场景下的流量最优配置； 4.LLM 与多模态落地：探索大语言模型(LLM)在海外用户意图理解、跨语言导购、多模态内容生成中的工程落地，推动 AI 技术在全球化电商场景中的应用创新； 5.数据闭环与业务洞察：深入理解海外用户行为与文化差异，从数据中发现问题与机会，驱动"用户理解-商品匹配-交易转化"的持续优化
参与快手海外业务的模型策略的迭代与开发： 1、有机会参与到推荐系统各个方向的工作，以及短视频、直播、电商、投稿、增长等多个业务场景，了解系统全貌； 2、分析、理解海外用户数据和业务场景，设计适合业务发展的推荐算法和机器学习模型； 3、调研业内前沿推荐算法，落地到业务场景中，并根据业务场景做适配和创新。
1、开发和迭代CTR预估模型和竞价策略，提升用户增长广告投放点击率、转化率、ROI等核心指标； 2、通过深度学习领域的研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等算法和系统提升预估效果； 3、通过召回排序等推荐算法，改善增长广告用户在快手海外版的产品体验。
1、负责快手国际化Push相关的算法研发、优化工作，运用策略和算法手段促进用户增长； 2、负责Push推荐系统的搭建以及相关算法落地，面对亿级别的用户群体情况下实现Push的个性化匹配，做到千人千面； 3、负责Push的算法、策略的设计，并直接参与Push场景下推荐系统的全链路开发与优化，包括但不局限于触发、召回、粗排、精排、下发策略等阶段； 4、从海量数据中挖掘用户消费行为、社交关系网以及运营热点实现Push内容池的搭建。