高德地图高德-高级算法工程师/算法专家-推荐算法/大模型
任职要求
1. 算法：拥有扎实的统计学功底，对数据敏感、深刻理解和熟练运用主流机器学习算法，有实际落地经验者优先。 2. 工程：开发严谨高效，掌握Python 或 C++。有使用sklearn、TensorFlow、Pytorch等开源工具的经验。 3. 经验：拥有2年以上工业界机器学习的研发经…
工作职责
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行(打车)业务核心链路的推荐 & 营销算法与大模型技术落地，直接对打车主链路 GMV、订单转化率与营销 ROI 负责: • 主导打车核心链路推荐算法与营销算法的构建与迭代，覆盖多任务学习(MTL)、多场景建模、用户长短期序列建模、因果推断(Uplift Modeling)等方向； • 负责营销补贴/权益的智能分发策略，通过因果建模与运筹优化实现预算约束下的 ROI 最大化； • 推动 LLM 在打车主链路各个场景的落地，包括但不限于：大模型用户画像与意图理解、生成式推荐(Generative Recommendation)、大模型营销文案生成等。
负责高德共享出行(打车)业务核心链路的推荐 & 营销算法与大模型技术落地，直接对打车主链路 GMV、订单转化率与营销 ROI 负责: • 主导打车核心链路推荐算法与营销算法的构建与迭代，覆盖多任务学习(MTL)、多场景建模、用户长短期序列建模、因果推断(Uplift Modeling)等方向； • 负责营销补贴/权益的智能分发策略，通过因果建模与运筹优化实现预算约束下的 ROI 最大化； • 推动 LLM 在打车主链路各个场景的落地，包括但不限于：大模型用户画像与意图理解、生成式推荐(Generative Recommendation)、大模型营销文案生成等。
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）。
团队介绍 AE搜索算法团队，负责AIDC AliExpress（AE）、JP- AO和天猫淘宝海外等国际化电商搜索业务优化，为全球100多个国家使用不用语言的用户持续电商搜索体验与效率，并结合大模型升级技术与产品体验创新。 多年来团队紧跟工业界和学术界前沿，在多语言Query理解与相关性、国家差异化召回与排序模型、多语言Query导购与大模型在多语言搜索中应用等技术方向持续探索创新，带来业务快速增长同时发表⾼⽔平学术论⽂20+篇（如AAAI、 IJCAI、TKDE、TMM、RecSys、CIKM和ICDM），申请专利15+项。 职位描述 1. 多语言 Query 理解、商品理解和相关性，包括：Query和商品NER、Query类目预测、Query改写与扩展、多语言&跨语言语义相关性等；LLM在多语言电商搜索领域应用，包括：大模型 CT 和 SFT，以及在Query理解、语义相关性、商品理解上的应用； 2. 个性化召回与排序相关技术：基于大规模深度模型的CTR/CVR预估模型及个性化召回模型，包括用户行为序列建模、多目标建模、多模态跨场景迁移建模、国家差异化建模体系建设等； 3. 个性化多语言Query推荐，包括：下拉、底纹、风向标等场域，基于异构行为序列建模、多场景建模的多语言Query推荐技术研究与应用；