小红书交易搜索算法工程师-推词
任职要求
1、计算机相关专业研究生及以上学历，2年以上搜索、推荐、广告等相关背景，有推词、推荐背景优先 2、熟悉机器学习、信息检索、数据挖掘、自然语言处理领域的经典算法，并能在业务中灵活解决实际问题 3、…
工作职责
1.负责小红书综合搜索的电商转化模型及策略优化，及商城搜索内的全部推荐词模型和策略优化工作， 包括但不限于看后搜相关搜索，SUG，猜你想搜等数个场景， 全面支持交易搜索增长业务， 孵化用户的交易搜索心智。 2.基于用户在小红书内的种草交易等行为，挖掘推荐候选、召回排序等技术的升级迭代，通过技术创新带动交易搜索的用户规模增长。 3.参与推荐系统框架的优化升级，打造高效、稳定、可扩展的业界顶尖引导推荐系统 4.面向高速增长的交易搜索业务，调研和落地业界算法的前沿进展，包括大模型、NLP和多模态等技术，结合小红书交易搜索业务场景不断创新
1、参与交易个性化搜索与推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、参与小红书电商用户增长智能营销体系建设，建设智能发券系统、基础用户画像、求购行为偏好等； 3、基于LLM的用户数据理解、用户意图识别、Query纠错/改写、多模态相关性建模等； 4、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的分发算法。
1、参与交易个性化搜索与推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、参与小红书电商用户增长智能营销体系建设，建设智能发券系统、基础用户画像、求购行为偏好等； 3、基于LLM的用户数据理解、用户意图识别、Query纠错/改写、多模态相关性建模等； 4、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的分发算法。
团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 课题介绍：电商推荐算法是互联网商业变现的核心驱动力，目前我们有国内最大的兴趣电商分发场景以及最大的电商广告分发场景，我们希望借鉴生成式AI的成功思路，探索在电商推荐算法和架构上的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1）基于类Transformer结构的生成式推荐大模型技术，验证电商推荐场景的Scaling Law，探索面向大模型的特征工程以及算法建模范式； 2）研究电商推荐模态下的Tokenization以及COT相关算法优化； 3）算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4）语言/推荐/视频等多模态模型的结合。
团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 课题介绍：电商推荐算法是互联网商业变现的核心驱动力，目前我们有国内最大的兴趣电商分发场景以及最大的电商广告分发场景，我们希望借鉴生成式AI的成功思路，探索在电商推荐算法和架构上的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1）基于类Transformer结构的生成式推荐大模型技术，验证电商推荐场景的Scaling Law，探索面向大模型的特征工程以及算法建模范式； 2）研究电商推荐模态下的Tokenization以及COT相关算法优化； 3）算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4）语言/推荐/视频等多模态模型的结合。