拼多多搜推机制策略工程师

1、负责拼多多推荐\搜索的rankscore设计。 2、负责拼多多推荐\搜索的广告混排策略设计。 3、负责拼多多推荐\搜索的重排策略设计。 4、负责拼多多推荐\搜索创意优选策略设计。 5、负责拼多多推荐\搜索的多样性等用户质保优化，包括打散/频控/相关性控制等。

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；

1、负责搜索推荐系统的算法设计与优化，提升用户搜索和推荐的精准度与满意度。 2、研究和应用深度学习、强化学习、大模型等技术，优化算法包括但不限于，个性化召回&排序算法、全链路策略机制算法、Query理解和商品相关性优化。 3、参与系统架构设计，确保算法在大规模数据和搜推多场景下有效。 4、与产品和数据团队紧密合作，通过数据驱动优化业务策略和算法模型，解决关键业务问题，提升用户转化和留存。 5、跟踪业界最新技术动态，推动搜推技术的创新和应用。

1. 负责阿里国际站效果广告场景的算法设计和优化，包括并不限于： 2. 负责阿里国际站搜索广告Query理解、搜推广告深度召回、相关性、排序建模、机制出价、商家赋能等应用和创新 3. 负责超大规模深度学习在用户/商品表征学习、向量化召回、点击/成交转化模型预估等的应用和创新 4. 负责基于用户与商品知识图谱的稀疏特征与少样本推荐算法模型的应用和创新 5. 负责基于离线优化问题求解与在线实时调控策略的机制设计与出价 6. 负责研究&推动用户冷启动&商品冷启动在搜索&推荐的应用 7. 负责大语言模型等能力在搜索广告业务中的应用 8. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流