新浪微博推荐算法高级工程师（杭州）

淘海外算法团队，负责天猫淘宝海外业务的搜索、推荐以及权益算法升级，致力于通过前沿的算法技术提升全球消费者的购物效率。我们通过多语言语义理解、用户兴趣挖掘、个性化商品匹配以及行为交互优化等算法，解决跨境电商在语言隔阂、文化差异和偏好偏离的核心痛点，实现全球范围内‘人货场’的精准匹配。作为国际化战略的算法中枢，我们不仅承担着千亿级GMV背后的核心引擎研发，更在积极探索前沿生成式AI在搜索推荐场景的创新应用。国际化进程正步入快车道，我们急需有算法理想、具备全球化视野的技术人才，加入我们，一起构建更智能、更懂全球用户的电商购物算法体系！ 1、升级召回算法，包括多兴趣向量化召回、个性化生成式召回、世界知识融合召回等； 2、优化排序算法，包括用户超长行为序列建模、国家差异化建模、Transformer范式升级、多场景迁移学习等； 3、升级广告混排，包括统一价值评估、混合多目标建模、流量分发机制设计等； 4、创新应用落地，探索大模型在推荐场景的创新应用，如基于大模型的用户兴趣理解、个性化交互优化等。 5、符合以上要求之一即可。

1、支持微博首页推荐及其他场景的推荐系统相关算法研发； 2、基于海量微博内容数据、行为数据，进行大规模机器学习算法的研究，持续提升微博推荐核心业务指标； 3、对信息流推荐系统有浓厚兴趣，期望通过技术提高用户的信息获取能力和信息消费体验。

1. 推荐系统生态核心问题攻坚：负责推荐链路中生态治理相关技术方案设计与落地，重点解决物料冷启、用户冷启、内容分发及作者成长机制、多样性等问题。 2. 物料生态运营技术支撑：针对物料稀缺、优质物料筛选等业务场景，输出技术化解决方案，制定稀缺物料的流量倾斜规则，指导运营团队开展物料生产与筛选工作。 3. 跨团队协作与需求落地：作为技术与产品、运营的核心衔接人，准确理解业务侧生态目标，将需求转化为技术方案；定期同步技术进展、风险与数据结论，推动跨团队项目高效落地。 4. 数据驱动的生态优化：结合产品数据深入分析，识别推荐生态问题，影响产品与生态发展方向使用，具有SQL、Python 等工具进行数据提取与分析，输出数据报告 5. 推荐生态技术沉淀：跟踪行业内推荐生态优化的前沿技术，结合业务场景引入创新方法；沉淀生态治理相关技术文档、工具，提升团队协作效率。

1.负责中台推荐系统(TRS)算法的建设和推广应用，主要包括系统中的算法自动调参、召回算法、排序模型、大模型后训练等的技术创新和推广应用工作。