搜狐 AI应用算法工程师

1.负责搜索场景的大模型应用开发，包括不局限于在搜索Query理解、召回、前端样式展示、产品交互形态等方向的AI探索与优化 2.负责跟踪AI搜索领域的前沿技术，研究新的算法模型和优化方法，探索创新的解决方案 3.与产品、开发、测试等团队紧密合作，理解业务需求，将AI搜索技术与产品功能相结合，推动搜索的智能化发展

1、研究前沿LLM、AIGC、多模态、NLP 算法模型到应用的转化，以及针对应用场景的算法优化； 2、将LLM、AIGC 算法模型 应用到业务产品中，提高产品的性能和用户体验； 3、将LLM、AIGC 算法模型 应用到快手研发平台中，提高平台的效能； 4、大模型训练、对齐相关工作，包括不限于思维链数据构造、模型构造优化、模型训练评估等； 5、协助开发和优化 AI Agent 的数据采集、分析及数据闭环相关工具，支持标注工具、研发工具、数据分析与可视化系统的设计与实现，提升产研团队的工作效率； 6、开发和集成多模态数据处理技术，构建跨模态数据融合框架，解决复杂业务场景下的信息提取和分析问题； 7、跟踪和研究最新的AI技术和趋势，撰写技术报告，参与学术会议和技术交流，提升公司在行业内的技术影响力。

随本地生活业务多场景AI落地，构建AIGC、B/C端等智能服务的数据飞轮，主要工作涉及: 1. 用户数据分析和策略制定：分析用户交互数据和转化数据，评估不同商品和不同视频内容下用户的转化情况，制定选品、价格和内容优化策略； 2. 优化模型生成效果：负责模型训练数据构建与管理，参与数据筛选、标注及评测体系构建工作。分析和挖掘现有数据资源，通过数据驱动的方法优化，结合A/B测试等手段验证调整效果。

随着LLM、多模态、Agent应用技术的发展，优化和完善AI短视频、AI直播等AIGC应用的表现。主要工作包括: 1、模型微调: 使用微调技术对大模型进行业务适配和效果优化； 2、Agent化: 优化大模型调用Agent的工程链路，最终实现对优秀人类行为的端到端学习和拟人化对标； 3、数据驱动优化: 基于业务数据统计和挖掘，发现当前系统问题和待提升方面，进而制定优化计划； 4、行业对标: 紧跟基模和行业产品发展趋势，推动新技术的产品化落地。