快手直播推荐算法Tech Lead

1、优化直播在多场景、全链路的推荐效率及机制策略，深度参与召回、粗排、精排、混排的优化工作，提升直播打赏效率； 2、深入理解直播业务，通过持续的技术创新驱动用户和主播的匹配度，主播成长； 3、分析海量用户行为数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 4、参与前沿问题的探索与研究，结合直播营收打赏的现状，落地有效方案，构建具备行业影响力的创新技术。

1、参与亿级用户规模的电商推荐优化，提升内容电商观看时长、点击率、转化率、GMV、LTV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、图神经网络等的算法和系统提升预估效果； 3、通过推荐算法机制优化电商流量结构和GMV结构，促进电商生态的健康发展。

1、参与亿级规模的直播推荐优化，提升营收、时长、留存等核心指标； 2、参与推荐系统的设计和研发工作，包括但不限于网络设计与优化、强化学习、迁移学习等； 3、参与超大规模机器学习模型研发，使用先进的检索和排序手段，优化社区生态，优化快手的推荐效果； 4、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务； 5、参与全域流量博弈的机制设计，协助拓展业务边界； 6、参与前沿问题的探索与研究，结合实际应用场景，提供全面的技术解决方案。

1. 负责淘宝信息流场景下的直播推荐算法研发工作，提升用户体验与转化效率； 2. 主导信息流直播业务全链路推荐体系的构建，包括召回算法、CTR/CVR预估模型、流量分发机制及混排等方向的持续迭代； 3. 探索多模态大模型、生成式模型等前沿技术在信息流直播推荐场景的创新应用，引领直播电商推荐技术升级。