高德地图高德-NLP算法工程师-信息广告算法团队
任职要求
1. 具有扎实的机器学习基础，对传统NLP技术、LLM有深入的理解，数理功底扎实，自学能力强； 2. 有扎实的编码能力，熟练使用相关机器学习框架和工程框架； 3. 在多模态大模型领域有经验，在短视频、图文算法领…
工作职责
1、负责搜索query理解，涉及生成式大模型的构建与优化，及其在query分类、意图识别及结构解析等相关业务场景的应用 2、负责搜索广告相关性，利用主流的相关性算法，提升搜索广告分发相关性 3、负责Sug等Query推荐场景的物料挖掘，分发策略的优化 4、通过query分析、内容理解、相关性评估、模型优化等方式优化搜索广告的效果。 5、负责使用LLM优化搜索效果和调研、探索和落地。
1、公司全场景智能搜索业务，通过搜索算法/技术，提升用户体验核心指标； 2、负责Query引导模式挖掘，通过前沿的NLP,NLG等算法手段，深挖用户Query表达交互规律； 3、结合业务需求，对供给的信息和服务进行画像刻画建立高效索引，提升召回和排序效果; 4、跟踪终端A领域相关推荐或者机器学习算法发展趋势，对前沿技术结合产品业务进行实验及落地。
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。
1）负责拼多多核心电商推荐和信息流广告场景(首页Feeds流、百亿补贴、个人中心、大促、秒杀等活动场景)的个性化流量分发，提升用户体验，优化场景的订单、GMV、收入、DAU等指标； 2）负责推荐和信息流广告的召回、粗排、精排、重排、策略方向的优化，提升模型效率、策略的合理性，最大化推荐系统的漏斗效率； 3）研究方向：深度学习、召回模型、LTR、CTRCVR模型、Uplift模型、多模态大模型、创意生成和优选、营销增长算法、运筹优化、模型压缩和加速等。追求技术创新和实际业务的结合，深入剖析电商推荐系统的问题，不断提升用户的体验。
1、负责拼多多核心电商搜索和搜索广告场景(关键词搜索、图片搜索)的个性化流量分发，提升用户体验，优化场景的订单、GMV、收入、DAU、相关性等指标； 2、负责搜索和搜索广告的召回、粗排、精排、重排、相关性、策略方向的优化，提升模型效率、策略的合理性，最大化搜索系统的漏斗效率； 3、研究方向：深度学习、召回模型、LTR、CTCVR模型、Uplift模型、多模态大模型、创意生成和优选、营销增长算法、运筹优化、模型压缩和加速等。追求技术创新和实际业务的结合，深入剖析电商搜索系统的问题，不断提升用户的体验。