得物搜索算法实习生

1. 通过语言模型、相关性建模、序列到序列生成、大模型SFT等手段，优化搜索词补全、搜索词推荐等业务场景，带来快手用户搜索次数和搜索体验的增长； 2. 基于LLM、多模态生成模型等前沿技术，结合用户行为和视频内容理解，探索为视频看后搜等场景生成优质搜索词； 3. 在快手海量视频及用户数据下，通过用户/视频表征学习、序列建模等技术创新，挖掘对排序有用的特征信息，提升点击与消费时长预估，持续优化大规模推荐系统的召回、排序算法。

- 参与并改进现有的排序模型，不断提升搜索结果的点击率和用户满意度； - 基于LLM大模型和NLP前沿技术，提供搜索相关性模型的效果准确率； - 分析用户搜索行为数据，对搜索结果的时效性、优质性和多样性进行优化。

1. 参与小米应用商店、浏览器等核心互联网产品的搜索效果优化，包括搜索算法和策略的调研、设计、开发、评估等环节，提升用户体验； 2. 负责设计、实现、优化搜索系统中query理解、召回、排序等算法，提高搜索的准确性、相关性和个性化水平； 3. 负责分析和处理大规模数据集，基于用户行为模式挖掘兴趣画像信息；

1、短文本理解方向。对海量Query进行自动化的改写、实体抽取等，使得搜索结果更精准； 2、长文本理解方向。对复杂的长文本笔记进行多模态理解、标签建设，为下游提供高质量特征； 3、跟踪业界最新研究成果，并应用到实际产品中；