爱奇艺算法工程师（用户理解）
任职要求
- 3年工作经验，本科及以上学历，计算机相关专业优先； - 扎实的计算机编程功底，熟悉linux环境，至少熟悉python，java，scala等其中一种语言； - 具备分布式计算方面的研发经验，能够在Tensorflow等主流深度学习平台上开发、部署分布式算法,熟悉主流算法模…
工作职责
- 负责用户理解相关算法的研发与落地，包括但不限于用户画像构建、行为模式和关系识别等方向，为个性化推荐和广告提供画像及定向能力，支持垂线业务的精细化运营。 - 跟踪大型语言模型（LLM）等前沿技术的发展，并将其创新应用于用户理解场景，推动业务增长。 - 跨部门协作，深入理解并收集业务需求，提供切实可行的解决方案，确保算法在业务中的高效应用与效果评估。
1、深度知识挖掘，在超大规模数据用户行为数据上，通过大模型算法进行用户的深度理解，洞察用户的基础属性、兴趣爱好，为蚂蚁业务提供用户理解的数据底盘； 2、数据算法应用，通过大模型等前沿技术支持支付宝内容推荐业务、支付宝首页推荐业务，提升运营效率，提高业务营收； 3、前沿技术探索，进行大模型前沿技术探索和研发，包含但不限于pre-train、SFT、RLHF、大模型蒸馏等，用大模型解决实际的业务场景问题，负责算法设计、研发以及推动上线，提升业务效果；
1. 负责完善用户画像建设，基于海量数据，建立、评估、持续优化数据模型，产生用户标签； 2. 深入理解用户，有DMP经验，包括但不限于潜在关系挖掘，Lookalike，用户分层，用户流失预测等； 3. 协助公司重点业务使用画像数据，发现价值点，深挖并产出正向收益；
保险服销算法团队聚焦营销推荐/大模型在保险规划师业务场景的落地与探索，团队内技术氛围浓厚，拥有丰富的营销推荐/大模型落地经验，以及海量的对话、图像、音频、用户行为等数据，团队不断利用前沿的营销推荐/大模型技术，打造极致的用户服务体验。岗位核心工作包括： 1.负责营销推荐链路优化，包括用户表征学习、序列建模、多任务学习、多场景建模等，为业务带来有质量的用户增长； 2.提升规划师和用户的服务匹配效率，包括用户理解、规划师理解、最优化匹配等； 3.通过SFT、RL等技术，提升基模在领域的推理能力，产出个性化的保险服务策略，包括销售机会识别、服务思路SOP构建、销售话术生成等。
岗位课题： 【用户理解与因果推理】 应用大模型的逻辑与因果推理能力，深度挖掘用户偏好、意图与需求之间的复杂关系，构建能够理解用户“潜台词”的下一代推荐引擎。 【生成式召回与排序新范式】 研究并实践基于生成式模型（Generative Models）的推荐框架，探索从“判别式打分”到“生成式候选”的技术变革，重构推荐系统的召回与排序链路。 【可解释与对话式推荐系统】 利用大模型的自然语言交互与生成能力，构建支持多轮对话、主动询问和理由解释的推荐系统，提升用户信任度与交互体验。 【大模型推荐系统下的大模型优化】 专注于大模型在超大规模、高并发推荐场景下的挑战，驱动前沿算法的商业化落地。 【用户行为序列的模态融合与表征】 将海量、异构的用户行为序列（点击、浏览、转化）视为一种独特的“行为模态”，探索其与文本、图像等多模态信息的融合方法，为大模型注入更深层次的用户理解力。 课题项目背景： 当前，大模型已经在许多领域成功落地并产生了深远影响。对于推荐而言，我们认为大模型技术在深入了解用户意图乃至重塑推荐系统等诸多方面均潜藏巨大的价值。因此，我们希望能够充分利用大模型能力与知识，解决当前推荐系统的冷启动、缺乏解释性与泛化性等问题，打造下一代推荐系统，并将应用于以下方向： 1、利用大模型技术全面升级淘宝推荐的召排能力并在主场景落地取得收益； 2、结合大模型技术，探索全新的淘宝推荐交互方式，为推荐场景找到新的方向。 成长资源 1、实习同学将会与工业界经验丰富的师兄师姐合作，充分了解大规模推荐系统的运行方式，努力做出能够真实影响海量用户的工作； 2、鼓励发挥个人的知识与才能，在大模型与推荐系统相结合的蓝海领域大胆探索，提升团队与个人的影响力，做出引领业内方向的代表作； 3、充分保障探索所需的离在线资源，并给予充足的时间与空间。 岗位职责： 在这里，你将有机会接触海量用户行为数据，并通过前沿算法为淘宝用户提供个性化购物体验。同时，可以与有着丰富工业界经验的师兄师姐一起探索大模型技术在推荐系统中的应用。通过这段实习经验，你不仅能够深入了解国内top级应用的推荐场景，更能够有机会在大模型技术红利背景下，充分发挥自己的聪明才智重新定义与塑造下一代推荐系统，打造团队与个人的影响力。