阿里巴巴淘天算法技术-推荐算法工程师-杭州*
任职要求
1、计算机科学/人工智能/机器学习/数学/统计学相关专业硕士及以上学历； 2、具备优秀的编码能力，扎实的数据结构和算法功底; 3、熟悉大规模机器学习/深度学习算法, 具有如搜索/推荐/广告等相关领域经验； …
工作职责
1. 面向淘宝BC关系运营核心场景：首页关注TAB和关注店铺的商品、图文、视频等内容推荐业务。 2. 超大规模推荐算法研发：超大规模商品、图文、视频内容业务的召回、排序、重混排模型算法研发工作。 3. 通过超大规模在线深度学习、用户行为超长期序列建模、全域学习、多场景迁移学习等技术提升算法效率。 4. 探索大模型在推荐系统中的应用：利用大模型技术丰富内容供给、提升推荐系统泛化能力，结合跨域多模态信息提升内容推荐效率和体验。
1、负责推荐业务中排序策略相关的算法研发工作，涉及lazada推荐全场景业务板块 2、通过多目标校准、上下文重混排、多目标融合、跨场景策略、分人群策略等相关算法研发与优化，实现流量效率与用户体验的提升； 3、通过大模型等前沿技术创新应用，实现推荐算法迭代体系的突破；
1.负责推荐系统核心算法的研发、迭代和优化，涵盖召回、粗排、精排等关键环节； 2.跟踪业界前沿技术，应用并改进优化排序模型，通过多场景建模、长序列、多模态理解和大模型LLM方法等，持续提升推荐的准确性； 3.深入分析用户理财行为数据（点击、停留、转化、搜索等），挖掘用户兴趣偏好，定位推荐效果瓶颈，并提出可行的理财营销推荐场景算法解决方案； 4.负责用户、物品、上下文等多维度特征的挖掘、设计和生产，构建高质量的特征体系； 5.设计与实施A/B实验，科学评估算法模型线上效果，并通过数据分析持续驱动模型迭代。
1. 负责增长模型的设计与落地 -构建并优化用户增长相关模型：包括但不限于推荐CTR/CVR 预估、用户画像、兴趣分类、冷启动、内容质量模型 -结合业务数据建立 分层策略（新增用户 / 活跃 / 沉默 / 回流） -利用算法驱动 拉新、激活、留存、转化、复购 2. 数据分析与增长实验 -设计 A/B 实验与多变量实验，推动结果落地 -构建埋点体系、数据闭环，主导指标归因分析 3. 用户生命周期洞察 -建立用户画像、兴趣与行为特征建模 -分析用户生命周期关键节点，提供增长机会点和优先级评估 4. 跨团队协作推进业务增长 -与产品、运营、市场共同制定增长方案 -从数据分析帮助业务策略，为决策提供量化依据
团队介绍 淘宝搜索是阿里巴巴亿级用户交易的核心引擎，也是全球电商领域技术创新的风向标。在这里，你将： 1、深度参与大模型与电商搜索的全场景融合：从LLM、多模态大模型（MLLM）到强化学习（RL），探索技术无人区。 2、定义电商搜索的技术范式：推动SKU引擎、超大规模索引、用户意图理解等技术的突破。 3、打造亿级用户产品：你的代码将直接影响数亿消费者的购物体验与千亿级GMV的达成。 核心方向：大模型驱动的电商搜索革命 1. 负责淘宝搜索算法的设计与优化，针对新品引入、下沉市场用户行为及流量分发机制，提升搜索用户体验与商业价值； 2. 研究并实现用户画像建模、搜索排序策略及细分场景（如长尾商品、低线城市用户）的精细化推荐算法，优化点击率与转化率； 3. 参与搜索流量机制的建模与迭代，结合大数据分析与机器学习技术，推动搜索系统效率指标提升； 4. 冷启和下沉人群模型构建，包括但不限于生成式召回/LLM4ranking 等。 5. 跨产品、数据、工程多团队协作，通过完备的实验验证算法效果，并推动技术方案在生产环境的落地与持续迭代。