优酷算法应用-搜推算法工程师-北京
任职要求
1.计算机、人工智能、数学等相关专业硕士及以上学历； 2.熟悉机器学习、深度学习算法，掌握至少一种深度学习框架（如TensorFlow、PyTorch）； 3.具备良好的…
工作职责
1.参与构建影视内容的搜索与推荐系统，提升用户在大麦、淘票票等平台的观影体验； 2.负责召回、排序、重排等核心算法模块的研发与优化； 3.探索生成式召回、非内积召回等前沿技术，提升推荐系统的多样性和准确性； 4.与产品、工程团队协作，推动算法在实际业务中的落地和效果验证。
1. 负责大麦、淘票票等平台的影演内容搜索与推荐系统算法优化，提升用户点击率和用户转化； 2. 构建多场景多目标的全域排序模型，设计融合内容质量、商业价值与用户偏好的混合排序策略； 3. 优化冷启动场景下的推荐效果，解决新用户、新内容、长尾IP的精准匹配问题； 4. 探索大模型与推荐系统的结合，实现个性化影演内容生成式推荐。
淘天营销算法团队作为淘系核心的算法团队，致力于解决从商品供给到前台推荐全链路的算法优化，服务的业务包括服务业务包括淘宝百亿补贴、淘宝秒杀、淘宝首页宫格、淘宝大促(618、双十一、双十二等)等核心业务。 具体职责包括但不限于： 1、参与改进以大规模深度学习模型为核心的搜索推荐系统，涵盖从候选到召回/粗排/精排/重排全链路多目标模型的各项工作，服务数亿DAU规模的推荐场景。 2、研究和开发基于LLM的搜推应用算法，探索大语言模型在搜推任务上的训练方式，分析和解决大语言模型在电商推荐召回排序上的挑战和问题，创造和推动电商的新型导购产品&新的推荐范式。 这是一支快速成长的学习型团队，在创造业务价值的同时，我们不断输出学术成果，团队成员每年在WWW、SIGIR、CIKM、RecSys等国际顶会上发表多篇学术论文。团队学习氛围浓厚，每年组织数十场技术分享交流，真诚邀请相关方向的优秀人才加入我们，在这里成长并贡献才智。
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。