顺丰大模型算法工程师-群体智能方向

1、在人工智能与游戏元宇宙的交叉领域中进行创新研究，探索新的游戏设计、交互与运营方式； 2、在互联网三大收入支柱(游戏、电商、广告)中的“游戏”进行创新研究，探索新的游戏设计、交互与运营方式； 3、深度参与游戏中玩家流失、战斗机器人、游戏精彩片段分析和解说、游戏外玩家匹配推荐等核心业务，从原因分析、组合优化、画像推荐匹配等角度解决高价值业务问题，以研究推动落地； 4、深入研究可解释、因果推断、回报分解、大模型提示词调优、匹配推荐、强化学习、异常检测等前沿AI领域； 5、借助游戏平台及数据迭代发展人工智能技术，深入高价值业务研究课题，在相关领域发表高质量论文或撰写专利。

1、负责大语言模型(LLM)技术能力建设，持续提升丰语垂域大语言模型在下游应用的渗透； 2、负责大语言模型方向重点项目的技术路线制定、技术方案设计与评审、业务应用落地； 3、负责集团主要业务环节的智能体构建，推动推理智能和群体智能在各业务环节的深度融合和应用； 4、指导并培养算法工程师团队，提升算法团队在搜索、问答、推荐、数据分析、Agent方向的技术水平；

1、负责大语言模型(LLM)技术能力建设，持续提升丰语垂域大语言模型在下游应用的渗透； 2、负责大语言模型方向重点项目的技术路线制定、技术方案设计与评审、业务应用落地； 3、负责集团主要业务环节的智能体构建，推动推理智能和群体智能在各业务环节的深度融合和应用； 4、指导并培养算法工程师团队，提升算法团队在搜索、问答、推荐、数据分析、Agent方向的技术水平；

团队介绍：Data-抖音团队，负责抖音APP的推荐算法、内容算法、对话算法及大数据工作，对接各场景业务（短视频，直播，图文，电商，社交，生态，投稿，消息，同城，生活服务，音乐，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、复杂约束的优化问题的解决、内容理解、LLM应用以及新业务方向探索、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型等技术支持抖音的数字人、智能客服、AI工具等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。 抖音作为全球领先的综合性内容平台，拥有庞大的用户群体和多元化的业务生态。在设计如此大规模的推荐系统时，面临社交网络复杂、电商用户兴趣跨域迁移困难、内容与用户冷启动样本稀疏、直播推荐多目标融合效能不足、兴趣重复密集探索不足等多重挑战。 课题内容： 1、社交网络增强的跨域兴趣建模：结合图神经网络（GNN）与大语言模型（LLM），构建用户全生命周期行为图谱，融合社交关系、内容互动与电商行为，挖掘社交网络中的社团结构与跨域兴趣传播路径； 2、兴趣迁移与转化信号捕捉：通过跨域对比学习与对抗生成技术，构建内容兴趣到电商兴趣的隐式映射网络，结合强化学习动态调控探索与利用，兼顾推荐精准性与多样性； 3、多模态小样本冷启动优化：利用LLM的Few-shot推理能力，通过内容语义理解与外部知识增强，设计元学习框架实现新ID特征与泛化特征的联合表征，缓解冷启动数据稀疏问题； 4、多目标融合与长短期价值平衡：基于大模型的泛化能力与长上下文感知，统一建模直播多目标（点击、时长、打赏等）的分布偏差与动态权重，设计个性化融合策略，替代传统多阶段漏斗架构，提升实时推荐效率。 兴趣密集与兴趣探索：通过用户兴趣画像建模与强化学习技术，实时捕捉用户消费与兴趣变化，缓解兴趣密集问题，为用户探索新的兴趣； 5、涉及研究方向：图神经网络（GNN）、大语言模型（LLM）、多模态内容理解、小样本学习与元学习、多目标推荐系统、端到端深度学习。