哔哩哔哩搜索算法工程师（NLP/模型/策略方向）
任职要求
1、熟悉机器学习，数据挖掘，自然语言处理，推荐/搜索系统，多模态建模等一个或多个算法领域有扎实的理论基础和丰富的研发经验，对算法原理及应用有较深入的理解; 2、具备优秀的逻辑思维能力，对解决挑战性问题充满热情，善于分析和解决问题 3、具…
工作职责
1. 迭代召回模型，提升个性化能力 2. 迭代相关性模型/Query意图模型，深入理解用户意图，平衡相关性和效率 3. 优化视频内容的多模态模型，深入理解视频内容信息，服务全链路算法模块 4. 优化点击率、各类转化率、时长模型效果，提升模型的个性化能力，优化准度 5. 优化全链路排序策略，更好的平衡多目标，提升搜索结果页质量以及长期目标，如搜索渗透和留存
所在团队负责阿里国际贸易平台上的所有推荐产品，包括猜你喜欢、详情页推荐、个性化楼层等。团队通过大数据和深度学习建模，帮助平台上买卖家快速达成生意。来到这里，你将有机会深度接触到业界的计算平台和深度学习算法，并将算法技术转化为商业价值。具体地，你将有机会负责： 1. 用户画像、召回、排序和策略等模块的技术规划和算法设计，通过技术创新提升买卖家匹配效率。 2. 通过大规模深度学习和图学习，在面对数据稀疏和多国家多行业的情况下对用户实时兴趣、CTR预估、询盘和交易转化预估等问题建模。 3. 通过多样性和发现性策略，拓展用户需求，提升兴趣发现能力，进一步完善和提升推荐侧的产品价值。 4. 探索大语言模型+搜推的创新应用方向，LLM在推荐领域下的全链路建设，包括但不限于大规模的预训练、SFT、LoRA和RLHFL等技术，落地大语言模型+搜推的新的应用落地场景（如生成式推荐等）。
1. 搜索召回算法：基于多模态&LLM大模型等能力，设计和优化1688搜索召回模块；负责文本query理解和改写；设计和优化分人群的多路召回差异化协同机制，并建立召回迭代的评价指标； 2. 搜索排序算法：设计和优化1688搜索排序下的转化率精准预估任务；深入研究全域用户行为建模、全域迁移学习任务、多模态技术方向在排序的应用；设计和优化1688搜索排序框架，围绕长期用户价值对1688排序模型的目标进行设计和优化； 3. 搜索流量机制：负责1688搜索机制策略创新和优化，包括商业化机制策略和用户增长策略的方案设计和落地，分渠道精细化优化用户的留存和活跃； 4. 搜索基础算法：在1688搜索样本和数据特征上进行精细化处理，提升模型效果的上限，通过召回/粗排/排序的模型优化和一致性提升等方式对搜索全链路进行迭代。
构建下一代基于大型语言模型（LLM）的智能搜索系统，通过深度语义理解与用户意图解析，实现从“关键词匹配”到“需求精准洞察”的跨越，推动搜索技术从信息检索向智能交互与决策赋能的范式升级！ 1.负责设计并实现基于LLM的智能搜索架构，优化语义理解、意图识别与结果排序算法； 2.构建用户需求画像系统，结合实时行为数据动态调整搜索策略，提升搜索结果相关性与用户满意度； 3.探索生成式搜索技术（如Query扩展、结果摘要生成），推动搜索从“信息呈现”向“决策辅助”升级。
1. 负责B站直播广告算法设计和研发。 2. 包括直播广告的CTCVR模型/GMV预估/出价机制/NLP/创意建模等深度学习方向 3. 提高直播广告的客户投放效果及变现能力，可以针对直播广告的业务场景，制定贴合的策略。