优酷算法应用-搜推算法工程师-北京

1.个性化预测：基于生成式大模型解析用户行为与商品语义，构建用户需求预测模型，提升搜索/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。

1. 追踪前沿技术，应用于搜索、推荐场景核心链路(召回、排序)进行模型优化，提升多业务场景效率指标。 2. 基于NLP相关技术(LLM、知识图谱等),理解用户query意图，并构建优化文本/多模态的搜索匹配模型，保障并提升搜索体验。 3. 高效算法系统建设：基于深度学习、强化学习、迁移学习等技术，并通过流程化/产品化方式建设算法PaaS平台，提升多业态算法优化迭代效率。

负责京东主站搜索推荐流量机制策略与场景化模型的研究、开发与部署上线，覆盖推荐内外页，搜索商品列表等主要流量场景： 1. 负责搜索与推荐流量机制的算法化与落地应用，探索构建Human-in-the-Loop的供应链流量运营新形态； 2. 负责搜索与推荐等主要流量域内的场景化模型构建，包括新品、应季等特定场景下精细化模型； 3. 负责商品、内容等多重供给下的流量混排机制的构建，实现整体效率的最大化。

1. 负责医药健康搜推算法策略迭代，利用大模型、NLP、深度学习、图学习、机器学习等技术结合医药场景特点，优化查询理解、相关性、召回、点击/转化率预估、排序等算法模块/模型，提升搜推体验和转化效率。 2. 跟进、探索前沿人工智能技术，并落地医药业务，赋能业务长期增长。