阿里巴巴阿里国际站-搜索推荐工程-技术-服务端-开发

1. 负责涉及超大规模的商品搜索和推荐业务下的召回、排序、重混排模型，及跨域多模态推荐技术，直接上手迭代天猫APP搜索、首页、商详、购后等核心场景的搜推算法; 2. 负责搜推领域前沿问题的探索与研究，包括生成式搜索推荐、模型的Scaling UP、搜推策略Agent化等算法方案落地，提供全面的技术解决方案。 3. 负责手猫端内、端外引流进承接页的相关算法建设，包括词推荐和承接页的个性化推荐效率优化，通过序列建模、迁移学习、图模型、多人群多目标建模等技术提升算法效率； 4. 负责多场景的用户表征学习，LLM兴趣发现性推荐，内容冷启等场景内的应用落地，对整个搜索推荐系统架构进行迭代升级。

用户理解建设： 整合全域用户数据资产，建设精细化用户画像体系，增强用户需求理解与行为偏好建模能力，提升个性化推荐效果。 搜索引擎优化： 负责搜索Query理解与意图识别，引入向量检索、同义词扩展技术优化相关性与语义召回能力，提升搜索结果的丰富度与时效性。 推荐系统架构： 建设全域推荐系统架构， 打通跨场景联动动线链路承接，构建统一的ODL在线学习能力和模型算子，沉淀可复用的搜推算法中台能力以支撑业务快速迭代。

1、参与搜索/推荐业务的架构设计，迭代优化；负责推荐/搜索的在线检索系统，在线推荐系统等方向的实现和优化； 2、核心组件的研发优化，新技术的应用和落地；针对高并发高吞吐的大规模系统，提高系统的稳定性，性能，可拓展性； 3、对现有系统的不足进行分析，生产环境trouble-shooting，设计和实现必要的工具提高研发效率； 4、全面拥抱大模型时代，在日常研发、办公等多种场景实践agent技术。

1.负责蚂蚁财富核心场景推荐营销算法工程，通过实现深度个性化召回排序算法、机制与策略、结合金融业务特性，提升流量效率； 2.负责财经内容信息流Feed与理财社区个性化推荐工程实现，并建设内容创作者生态，提升平台用户体验和时长； 3.持续关注搜推广技术前沿进展和业界先进应用，不断探索创新，为亿万理财用户创造更多价值。