小红书生成式推荐算法专家-行为建模方向

职位描述（Job Description）： 你将加入高德地图核心算法团队，在资深算法专家的指导下，探索大模型（LLM/多模态）与推荐系统的深度结合。你将有机会接触亿级用户规模的真实业务场景，参与从前沿技术研究到工程落地的全过程。 你将参与或负责以下工作内容（包括但不限于）： 大模型前沿探索： 参与 Qwen-VL、InternVL 等多模态大模型及 LLM 在高德业务场景下的微调（SFT）、对齐（RLHF）及 Prompt 优化，探索生成式推荐的新范式。 推荐算法优化： 深入理解高德核心业务（如首页推荐、目的地预测），协助优化召回、排序（粗排/精排）、重排等核心模块，提升 CTR、CVR 等关键业务指标。 用户行为建模： 利用深度学习技术挖掘用户长短期兴趣，结合高德特有的时空数据，进行下一站预测和场景化意图推理。 多模态内容理解： 处理海量图像与文本数据，构建高质量的内容表征体系，解决冷启动问题，提升内容分发效率。 数据分析与实验： 深入分析业务数据，设计并跟进 AB 实验，通过数据驱动的方式验证算法效果并进行迭代。 你将获得： 核心业务场景： 接触高德亿级日活用户的真实数据，解决极具挑战性的时空推荐问题。 大牛导师带教： 资深算法专家一对一指导，提供清晰的成长路径和技术辅导。 前沿技术落地： 拥有充足的算力资源（GPU集群），亲手将大模型技术落地到实际产品中。 转正机会： 表现优异者可获得校招转正 Offer 或 绿色通道面试资格。

团队介绍：我们是淘宝闪购-营销算法团队。 我们的使命：致力于打造满足用户对即时生活不断需求的技术引擎，实现用户、商家、平台的三方收益最大化。 我们的技术：以营销定价、运筹优化、用户价值预测为基座，融合多场景建模、时序预测、多目标预估等核心技术，构建技术驱动、人机协同的智能营销基础设施。 我们的文化：始终秉持持续成长、自我革新的价值观。在这里，你将有机会挑战近场零售最复杂的算法场景，与一群优秀的伙伴共同打造未来的智能营销平台。 岗位职责： 负责淘宝闪购营销场景下生成式算法体系的建设，包括但不限于营销定价、补贴策略、券包发放等运筹优化问题的建模与求解，覆盖千万级DAU的个性化营销场景。 主导生成式营销全链路算法开发，包括端到端营销决策生成、强化学习奖励系统设计等创新模块，显著提升营销ROI与订单转化效率。 构建多模态用户行为建模系统，融合短期实时行为与长期价值预估，打造具备因果推断能力的用户营销敏感度建模体系。 探索生成式技术在动态定价方面的应用，开发层次化编码与序列生成技术，解决复杂约束下的组合优化难题。

团队介绍：我们是淘宝闪购-营销算法团队。 我们的使命：致力于打造满足用户对即时生活不断需求的技术引擎，实现用户、商家、平台的三方收益最大化。 我们的技术：以营销定价、运筹优化、用户价值预测为基座，融合多场景建模、时序预测、多目标预估等核心技术，构建技术驱动、人机协同的智能营销基础设施。 我们的文化：始终秉持持续成长、自我革新的价值观。在这里，你将有机会挑战近场零售最复杂的算法场景，与一群优秀的伙伴共同打造未来的智能营销平台。 岗位职责： 负责淘宝闪购营销场景下生成式算法体系的建设，包括但不限于营销定价、补贴策略、券包发放等运筹优化问题的建模与求解，覆盖千万级DAU的个性化营销场景。 主导生成式营销全链路算法开发，包括端到端营销决策生成、强化学习奖励系统设计等创新模块，显著提升营销ROI与订单转化效率。 构建多模态用户行为建模系统，融合短期实时行为与长期价值预估，打造具备因果推断能力的用户营销敏感度建模体系。 探索生成式技术在动态定价方面的应用，开发层次化编码与序列生成技术，解决复杂约束下的组合优化难题。

职位描述 你将加入高德地图核心算法团队，在算法专家的指导下探索大模型（LLM/多模态）与推荐系统的深度结合。你将有机会接触亿级用户规模的真实业务场景，参与从前沿技术研究到工程落地的全过程。 你将参与或负责以下工作内容（包括但不限于）： 1.用户兴趣预测：基于生成式大模型解析用户行为与商品/内容语义，构建⽤户需求预测模型，提升推荐场景的转化与⽤户体验; 2.端到端⽣成式链路：探索端到端生成式范式，替代传统多阶段漏斗链路流程，基于强化学习融合业务逻辑，建设出具备⾼效scaling能力的生成式算法新链路； 3.重排范式创新：借鉴生成式大模型技术构建生成式重排创新范式，通过Reward model + 强化学习实现端到端序列整体生态价值建模； 4.深入研究和理解大模型预训练、微调与强化学习技术，结合搜推业务目标持续优化模型效果。