得物推荐策略产品-大模型用户意图方向
任职要求
1、本科及以上学历，计算机、人工智能、软件工程、数据科学、自然语言处理等相关专业，1-3年大模型、知识图谱、搜索推荐产品相关工作经验。 2、具备大模型用户意图识别落地搜推系统的实战经验，…
工作职责
岗位核心聚焦大模型用户意图识别的产品工作，落地赋能搜索、推荐业务全链路，核心围绕用户真实诉求拆解、理解、精准匹配开展算法迭代与优化，具体工作内容如下： 1、大模型用户意图的识别：基于LLM大语言模型，搭建、微调、优化用户意图识别体系，精准挖掘搜索、推荐场景下用户显性、隐性、多级复杂意图，涵盖意图分类、意图拆解、意图消歧、意图泛化、实时意图预判等核心能力，解决用户表达模糊、语义歧义、短文本意图缺失等行业痛点。 2、知识图谱与大模型融合落地：负责行业知识图谱的构建、迭代与应用优化，依托知识图谱的实体关联、层级关系、属性信息，辅助大模型精准理解业务语境，矫正大模型幻觉问题，提升意图识别的准确性、专业性与场景适配性，强化语义理解的深度与粒度。 3、搜推系统业务落地赋能：将成熟的意图识别算法模型、知识图谱语义能力，深度落地至搜索召回、精排、重排、个性化分发等核心业务模块，优化搜推匹配逻辑，解决传统关键词匹配语义缺失、匹配不准、内容同质化、供需错配等问题。 4、算法效果迭代与指标优化：搭建意图识别、搜推匹配效果评估体系，通过离线实验、在线A/B测试持续迭代模型与策略，核心优化搜推核心指标（点击率、转化率、留存率、用户体验满意度、精准匹配率等），驱动业务数据持续增长。
1、负责AI工具产品设计，借助大模型能力构建保险服务流程，包括但不限于用户意图识别、保险知识、工具孵化、话术编排等能力； 2、熟悉推荐算法，结合业务、构建推荐策略，针对用户需求、风险分析，供给保险方案，协同资源推进产品落地； 3、构建产品数据指标监测体系，具备数据分析能力，通过数据分析发掘产品可优化项，给出明确产品方向，牵引算法迭代推荐标准。
我们正在寻找一位拥有AI Native思维的生成式推荐策略专家，深度参与并主导出行决策场景的创新与重构。你将以“行程总设计师”的身份，聚焦于行程推荐领域，实现路径规划的范式革新，定义及引领出行决策 核心职责： 1、AI Native思维重构行程推荐：深入研究并设计基于生成式AI、大语言模型、强化学习等前沿AI技术的策略框架和算法逻辑，实现对用户模糊、复合出行意图的深度理解和精准捕捉 2、行程总设计师：从路线计算到意图编排。负责定义和优化用户“意图编排”的各个环节和交互体验，实现从用户初步意向到最终行程方案的顺畅转化。 3、践行敏捷开发和快速迭代原则，将复杂的生成式推荐策略和行程编排系统拆解为可控的“更短步长”任务，实现快速设计、验证和部署，与算法、产品、研发、数据科学团队紧密协作，并持续优化推荐效果 4、制定并推动生成式推荐策略的评估标准、优化机制和风险控制体系。探索生成式AI在出行推荐领域的创新应用
业务介绍： 我们在做“下一代金融智能分发与生成式交互引擎”，面向同花顺海量亿级用户，打造基于深度学习与大模型双轮驱动的底层 AI 体系。我们的业务覆盖个性化信息流（图文资讯与社区内容分发）、高价值场景智能主动触达（关键节点动态推荐），以及基于金融垂类大模型的前沿交互场景（如生成式“猜你想问”、意图启发等）。 团队强调“真实业务价值的增长与技术演进的务实结合”。我们的技术路线从基于深度学习的传统召排链路打底，逐步向大模型赋能的单点应用（如语义ID增强召回）、AIGC 专属内容生成演进，并积极探索端到端的生成式推荐。目标是以CTR/CVR/留存为准绳，构建国内领先的“分发+生成”一体化金融 AI 系统。 岗位方向：全场景智能分发 × 生成式推荐大模型 聚焦 信息流 / 动态触达 / Proactive AI。将推荐系统的海量吞吐能力与大模型的深层推理、生成能力深度融合：从传统分发链路的持续调优与智能疲劳度控制，到利用大模型进行行为序列理解与语义 ID 抽取；从“被动推流”走向“主动启发”，基于高维用户意图生成千人千面的交互内容（AIGC）；最终探索并定义下一代端到端生成式推荐的落地范式。 岗位职责： 1、夯实全场景分发基石（传统召排）： 负责个性化信息流、智能主动触达等核心业务的推荐算法研发。深入优化多路召回（协同过滤、向量检索等）与精排模型（多目标 CTR/CVR 预估），构建全局最优的智能疲劳度控制与生态调控策略； 2、大模型单点赋能与特征跃迁： 基于用户超长历史行为序列，利用大模型深入挖掘用户画像。探索 LLM 在推荐单层级链路中的应用，例如构建与抽取语义 ID 进行深度召回，打破传统协同过滤的信息茧房； 3、构建 Proactive AI 与 AIGC 推荐（内容生成）： 实现从“推荐已有内容”到“生成专属内容”的跨越。利用大模型推测用户深层意图，生成启发式的交互内容（如千人千面的大模型“猜你想问”）。负责相关大模型的 Prompt Engineering 及后训练（SFT、RLHF/DPO），确保生成质量与业务转化指标的显著提升； 4、探索端到端生成式推荐： 以前瞻性视角推动推荐架构的代际演进，探索脱离传统“召回-粗排-精排”漏斗、直接从用户序列到推荐结果的端到端生成式推荐大模型落地路径； 5、规模化工程落地与评测闭环： 与产品、工程团队紧密协作，在数据配比、模型结构与推理加速（vLLM等）上探索最佳实践。建立严谨的 A/B 测试闭环，保障大模型与复杂推荐策略在超高并发、低延迟的生产环境中稳定交付。
联盟算法团队依托于联盟业务生态，以大模型、深度学习、多模态理解等先进AI技术来驱动站外广阔的十亿级消费者的电商营销场景发展。不同于站内确定性场景，我们直接面向站外复杂多变的电商生态，因此可以接触到业界前沿的领域知识，如微信、微博等社交领域、抖音快手小红书等内容场景。我们持续进行LLM大语言模型、深度学习、多模态理解、知识图谱、信息检索、图学习等前沿技术的研究，并通过搜索、推荐、投流、榜单、承接页等产品形式，在用户意图理解、渠道智能选品、商家营销建议、个性化召回、多场景多目标预估、排序策略、智能创意等领域进行深耕，在不断提升业务效果的同时，也在不断拓展基础技术和应用技术的边界。热忱欢迎对大语言模型、广告算法、搜索推荐和计算机视觉等方向感兴趣的同学加入我们，一起加油，共同成长！我们坚信你的加入，是我们彼此优秀的开始。