快手推荐模型算法工程师-【海外模型】
任职要求
1、熟练使用C++、Java 中至少一种编程技术，熟练使用多种语言加分，例如Python，Scala等； 2、计算机相关专业，本科及以上学历，三年以上相关实际工作经验； 3、对推荐算法有深入研究，同时精通常见机器学习算…
工作职责
1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 3、通过超大规模机器学习模型和系统，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。
1. 大模型研发与调优：独立设计、开发适用于 OTT 推荐系统、AI agent 的大模型，通过参数调整、轻量化压缩、多模态融合等技术优化模型性能，降低计算资源消耗； 2. 推荐系统算法优化：基于协同过滤、深度学习推荐模型（如 DIN、DeepFM 等），结合 OTT 业务场景优化推荐策略，提升内容推荐的精准度、多样性及用户点击率、留存率； 3. AI agent 开发落地：设计 AI agent 架构与智能交互策略，实现自然语言处理、任务执行、多轮对话等功能；通过强化学习提升其自主决策与学习能力，适配 OTT 场景服务需求； 4. AI 硬件算法适配：针对第二曲线 AI 硬件（如智能电视芯片、边缘计算设备），优化 AI 算法与硬件特性的结合，提升模型部署与运行效率，充分利用硬件资源； 5. 跨部门协作推进：协调研发、算法、设计、运营等跨部门资源，推动 AI 产品全流程开发，通过项目会议同步进展、解决问题，确保产品按时高质量交付； 6. 行业生态与商业探索：跟踪 AI 行业前沿动态与技术趋势，整合内外部资源，探索 AI 产品的新商业模式与应用场景，提升产品市场竞争力与商业价值。
1、参与快手海外广告系统的核心机制策略、模型算法的研究及开发工作，服务不同国家和地区的用户，助力快手海外广告业务快速增长； 2、设计和实现高效的广告检索和排序算法，运用运筹优化、Uplift 建模 / 因果推断、参数模型化等技术和理论，探索给定资源约束下最大化流量和生态长短期价值的最佳机制策略实践； 3、研发业界领先的智能出价系统和智能投放平台，通过应用控制理论、强化学习等前沿技术，提升广告主投放的长短期收益； 4、优化广告的点击率和转化率，从模型结构设计、训练范式优化、用户特征挖掘、转化延迟建模等角度提升模型预估精准度。
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。
团队负责海外广告算法优化，在生成式出价、推荐大模型、强化学习、拍卖机制等诸多领域有深入研究，在WWW、ICML、CIKM、WSDM等顶会有多篇论文发表，团队成员将有机会参与快手海外广告系统的算法研发与策略优化，涵盖分发链路、算法出价、流量策略、拍卖机制等关键领域，服务全球开发者和广告主，驱动广告业务增长。 1、设计并优化广告流量的匹配效率，结合大模型、生成式推荐GR等先进技术，构建高效语义压缩和长序列建模，优化召回、粗排、精排、混排、端排等模块，提升平台收益与开发者体验之间的平衡； 2、研发适用于海外广告生态的流量策略机制，采用自动寻参、黑盒优化、强化学习、uplift建模等技术提升流量分配效率，提升用户体验同时优化用户长期价值； 3、探索算法出价策略，推进AIGB、生成式出价、出价大模型等先进出价技术落地，优化出价产品效率和体验，牵引B端客户预算增长，实现B端和C端、平台三方整体效益的最优； 4、探索LLM在广告生态的价值，通过LLM的世界知识和推理能力解决广告投放链路中的效率问题。通过技术升级提升全平台投放效率和效益。