搜狐（社招/校招）推荐算法研究员

1.负责微信音乐场景推荐效果优化，根据实际从策略、样本、特征、模型结构等维度，提升业务消费和生态指标； 2.跟踪业界最新研究成果，包括LLM4Rec、推荐大模型、生成式推荐等方向，帮助提升用户体验和消费指标。

1、负责文本生成大模型的构建与迭代，形成通用内容形式的泛用生成能力，针对媒体业务中的内容生产、运营、分发等环节提供基础能力支持； 2、从事图像、视频领域的内容生成算法研发工作，开放面向C端的AIGC能力，降低用户的能力使用门槛； 3、负责自然语言、图像、视频的处理相关算法研发工作，丰富化内容理解的手段，赋能搜狐网/搜狐视频的推荐场景； 4、强化图分析算法能力，完善内容生态网络和业务知识图谱建设，挖掘媒体内容生态中的潜在价值点。

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；

1、负责推荐系统开发和架构工作，持续提升系统的性能和吞吐量； 2、主导推荐系统和其他后端服务之间的对接设计以及项目管理。