搜狐（社招/校招）大数据研发工程师
任职要求
1.本科及以上学历，计算机科学或相关专业； 2.掌握Java/Scala/Python等至少一门编程语言，熟悉 SQL，了解Hadoop/Spark/Hive/Fl…
工作职责
1.参与搜狐广告大数据数仓的日常开发，开展模型设计、数据ETL、性能优化、数据治理等工作，按需建设离线数仓、实时数仓； 2.面向广告业务，参与BI、用户画像、特征工程等方向的数据应用建设，为各业务场景及策略算法提供数据支持； 3.参与解决开发过程中的技术难题，不断提升自己应对复杂问题的能力，参与新技术调研并尝试为业务提效。
1.模型研发：参与LLM预训练、SFT指令微调、RLHF/GRPO人类反馈强化学习，提升模型指令遵循与推理能力； 2.效率优化：负责模型量化（INT8/INT4）、蒸馏、投机解码、KV Cache优化，降低推理成本与延迟； 3.系统架构：基于vLLM/SGLang/TensorRT构建高吞吐推理服务，支持多实例水平扩展与动态调度； 4.应用落地：开发RAG检索增强系统、Agent智能体，结合知识图谱/向量数据库解决业务实际问题； 5.数据工程：构建高质量指令数据集，设计数据采样、去重、质量筛选策略，搭建数据-训练-评测闭环； 6.评测迭代：建立模型能力评测体系，分析Bad Case，持续优化模型在垂直领域的表现。
1.风险识别模型：开发反欺诈、反作弊、反洗钱、内容安全等算法模型，覆盖注册、登录、交易、营销全链路； 2.效率优化：构建知识图谱风险网络，应用图神经网络（GNN）、社区发现、异常检测算法识别团伙欺诈； 3.实时决策引擎：研发毫秒级风控策略引擎，支持规则+模型融合决策，实现T+0风险拦截； 4.大模型风控：探索LLM在风险推理、案例研判、策略生成、舆情监控等场景的落地应用； 5.对抗样本防御：研究黑产攻击手法（伪造设备、代理IP、行为模拟），建设鲁棒性特征与对抗训练机制； 6.策略迭代优化：搭建AB实验平台，分析风控策略对业务指标（GMV/留存/客诉）的影响，平衡安全与体验。
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。