新浪微博微博推荐算法高级工程师-北京

1. 负责微博主站搜索业务，含搜索算法技术的研究、理解业务需求、优化搜索召回、排序效果 2. 负责智能搜索引擎相关算法开发和落地应用，涵盖智搜问答、语义搜索、内容理解、物料挖掘等 3. 负责搜索推荐前沿技术的调研与实现，研究RAG、语义检索、内容生成等技术和算法，并应用到实际问题中 4. 大规模数据挖据和分析，从海量数据中挖掘检索高质量微博与账号

1.负责微博主站搜索下点击模型的算法设计、训练与上线优化，通过用户点击行为提升搜索推荐精准度； 2.负责微博主站搜索引导方向的算法研究与实现，覆盖浏览页、搜索中间页等多场景的用户行为引导与转化模型； 3.主导推荐排序核心算法研发，包括多任务排序与序列建模、用户画像构建、内容语义理解与物料挖掘等模块的工程化落地 持续跟踪并应用 RAG、语义检索与生成式推荐等前沿技术，快速完成验证、迭代与性能调优； 4.对海量用户行为与内容数据进行深度挖掘与特征工程，发现优化机会并持续迭代改进； 5.协调跨团队协作，推动算法方案在大规模线上环境中的稳定部署、监控与持续优化。

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。