阿里巴巴淘天算法技术-推荐算法工程师(召回和排序)-杭州/北京

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。

加入千问/夸克APP的核心团队，共同打造下一代AI智能助理的“推荐大脑”。包括但不限于：对话推荐、AI内容创作、内容消费，负责推荐系统的算法设计、优化及落地，通过精准的算法策略提升对话体验与内容分发效率，带动千问/夸克APP的DAU、AI生成内容（AIGC）、创作者生态等核心业务的增长。 1.算法设计与优化：利用前沿技术优化千问/夸克APP的对话推荐、消费和创作模块，全链路地优化包括召回模型、排序模型、多模态推荐、多目标、冷启动，探索等推荐算法和模块； 2.数据驱动迭代：基于用户行为数据、内容特征数据等，构建算法评估体系，通过AB测试等方式验证算法效果，持续迭代优化推荐策略，解决冷启动、多样性不足等实际业务问题。 3.特征工程与模型搭建：利用大模型构建千问/夸克用户的画像，参与内容特征、用户特征的挖掘与构建，结合场景需求选择或改进合适的推荐模型，提升模型预测精度与泛化能力。 4.系统协同与落地：与工程、产品、数据等团队协作，将算法方案转化为可落地的技术实现，保障推荐系统的高可用性、低延迟与稳定性，适配各场景的动态变化需求。 5.技术探索与沉淀：跟踪推荐算法、AI大模型在内容领域的应用动态，探索大模型与推荐系统结合的创新方向，沉淀算法研发经验与技术方案。

1. 召回与排序：超大规模的商品、视频、直播、图文推荐业务下的召回、排序、重混排模型，及跨域多模态推荐技术； 2. 机制策略：通过深度强化学习技术优化推荐策略，设计智能流量机制，助力用户规划增长、商家及内容创作者成长；

团队介绍 "阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增等技术。团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。" 职位描述 1.基于Lazada的海量用户和商家数据，探索使用深度学习，强化学习，Graph Embedding，迁移学习，知识图谱等前沿技术来解决广告业务所面临的多国家多语言场景，大规模异构数据的挑战，将前沿技术在广告业务上落地，用技术推到业务高速发展。 2.负责广告系统的核心召回、排序、竞价机制算法持续迭代优化，提升广告业务的核心指标，帮助Lazada广告业务高速增长。