logo of sohu

搜狐(社招/校招)Golang研发工程师

社招全职集团商业部地点:北京状态:招聘

任职要求


1.本科及以上学历,计算机科学、软件工程或相关专业。
2.熟悉 Go 语言的基本语法和特性(如 goroutine、channel、接口、结构体等)和标准库;了解 Go 的并发编程模型和内存管理机制;有Go框架(如 GinEcho等)项目经验者优先;
3.具备良好的编程习惯,能够编写清晰、高效的代码;熟悉常用的数据结构算法;
4.熟悉至少一种数据库(如 MySQLMongoDB 等),并了解如何使用 Go 操作数据库;了解 ORM 工具(如 GORM、XORM)者优先。

软技能:
1.具备良好的沟通能力,学习能力和主动性;
2.具备一定的问题分析和解决能力。

工作职责


1.参与公司核心产品的设计、开发和维护,使用 Go 语言构建高性能、可扩展的后端服务;
2.编写高质量、可维护的代码,并进行单元测试和代码审查;
3.协助团队完成技术调研、方案设计和文档编写;
4.与商业技术团队紧密合作,能够参与商业产品需求分析、问题排查和性能优化等,丰富实战经验。
包括英文材料
学历+
Go+
Gin+
Echo+
编程规范+
数据结构+
算法+
MySQL+
MongoDB+
GORM+
相关职位

logo of sohu
社招智能媒体研发中心

作为测试团队的明日之星,你将负责参与公司软件产品的质量保障工作,确保交付给用户的产品稳定、可靠。主要职责包括: 1、参与产品测试全流程: 深入了解产品需求,参与需求评审,编写测试用例,执行功能测试、回归测试等。 2、缺陷跟踪与管理: 准确识别、记录和跟踪软件缺陷,并与开发、产品团队密切沟通,推动问题及时解决。 3、质量反馈与沟通: 清晰、准确地报告测试结果,为产品改进提供数据支持和质量反馈。 4、自动化测试探索: 在导师指导下,学习并运用自动化测试框架,参与编写和维护自动化测试脚本,提升测试效率。 5、团队协作: 与产品经理、开发工程师等团队成员积极协作,共同为提升产品质量而努力。

更新于 2025-08-27
logo of sohu
社招智能平台

我们诚邀充满激情、具备深厚研究潜力的应届毕业生加入我们,共同探索大模型领域的无限可能。在这里,你将站在大模型研究的最前沿,不仅要应对当下的技术挑战,更要致力于开创未来的大模型应用范式,将最新的学术成果转化为具有深远影响力的实际产品与服务。 1. 聚焦多模态大模型、AI Agent、Multi-Agent System、Agentic Workflow等前沿 AI 技术方向,开展深度探索性研究,产出具备高学术价值与产业转化潜力的研究成果,推动技术落地应用; 2. 主导研究性项目全流程,从问题定义、方案设计、实验执行到结果分析,完成高质量技术攻关,定期输出项目研究报告; 3. 负责将前沿研究成果进行工程化原型构建与多场景验证,提炼通用技术理论、工具及方法,为团队技术突破提供支撑; 4. 跟踪国际顶尖学术会议(如 NeurIPS、ICML、CVPR 等)和期刊动态,梳理前沿技术脉络,定期组织团队内前沿 AI 技术分享会,推动技术知识共享与团队能力提升; 5. 以第一作者或核心作者身份在顶级学术期刊、会议发表论文,提升团队在 AI 领域的学术影响力。

更新于 2025-08-25
logo of sohu
社招智能平台

我们正在寻找充满热情、具备深厚研究潜力的应届毕业生加入我们,共同探索下一代推荐系统的边界。你将置身于推荐领域的最前沿,不仅解决当下的业务挑战,更致力于定义未来的推荐范式,将最新的学术突破转化为具有重大影响力的用户产品体验。 ​: 1.参与搜狐新闻App核心召回、排序、混排、冷启动等关键推荐算法模块的研发、优化与持续迭代, 直接提升新闻推荐的精准性、个性化和用户体验; 2.聚焦大模型驱动推荐、多模态内容理解与推荐、强化学习/序列决策推荐、多智能体协同推荐等前沿方向,开展深度研究与创新实验,产出具有技术突破性和潜在业务颠覆性的研究成果; 3.负责将前沿推荐算法研究成果(如新模型、新策略、新机制)在真实业务场景中进行快速原型验证与工程化实现,评估其实际性能与可行性,推动关键技术在实际推荐系统的落地应用; 4.紧密追踪国际顶级会议(如 KDD, WWW, RecSys, NeurIPS等)在推荐系统、机器学习及相关领域的最新进展,深入解读前沿论文,定期组织内部分享,推动团队技术视野的持续拓展; 5.积极总结研究与实践成果,参与撰写高质量技术报告,并鼓励向顶级学术会议/期刊投稿,提升团队在推荐技术领域的学术影响力和技术品牌;

更新于 2025-08-25
logo of sohu
社招智能媒体研发中心

推荐算法研究员 1、负责推荐系统的算法研发工作,包括但不限于用户兴趣建模、协同过滤、深度排序模型等,持续提升推荐效果和用户体验; 2、利用大规模数据处理技术,对用户行为数据进行深入分析,构建和优化用户画像; 2、与其他团队协作,根据业务需求调整和优化推荐策略,提升用户参与度和留存率; 3、跟踪推荐算法领域的最新研究进展,包括生成式推荐、多模态推荐、意图识别建模,将先进技术应用到实际产品中。

更新于 2025-08-19