快手推荐算法工程师-【电商&直播】

- 利用深度学习算法, 优化视频排序模型，提升点击率、播放时长等指标； - 利用机器学习算法、大模型等技术，优化视频的召回与多样性策略，提升推荐效果与用户体验； - 了解LLM、AIGC方向的最新技术, 探索将AIGC与推荐场景的结合落地； - 通过用户的点击、播放行为的大数据分析，提升个性化分发体验。

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

1、负责国际化电商个性化推荐算法的全链路优化，包括电商短视频、图文、新用户等场景的推荐策略，以及召回、粗排、精排、重排的模型迭代与多目标优化，持续提升业务指标； 2、应用深度序列建模、生成式推荐、多模态表征学习及LLM4Rec、生成式召回/排序等前沿技术，提升信息匹配效率与推荐发现性，让用户便捷找到优质内容和货品； 3、挖掘和分析海量用户行为数据，基于长序列建模（Lifelong Sequence）进行用户长短期兴趣建模与潜在兴趣探索，提升推荐的精准性与多样性； 4、探索AI Agent在推荐系统中的应用，包括基于Agent的自动化调参、智能实验管理、数据分析与归因决策，以及Agent驱动的用户意图理解与交互式推荐； 5、结合国际化电商业务特性，通过算法挖掘优质商品和达人，优化供给侧分发效率与冷启动机制，构建良性的内容电商生态，并进行模型和算法创新，打造业界领先的推荐系统。

1、参与海外电商&直播的算法优化工作，从全链路通过模型与策略优化带来业务指标的提升； 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，包括但不限于深度模型设计与优化、强化学习、uplift模型、迁移学习等； 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。