拼多多【商业化】搜索推荐广告算法工程师（模型方向）
任职要求
1、优秀的编码能力，扎实的数据结构和机器学习算法功底，熟悉TensorFlow\Pytorch\Hadoop\Hive开发平台； 2、优秀的数据分析、逻辑思维能力，善于分析和解决问题，能够洞察模型全链路的问题，持续提升模型的效率； 3、有精排、重排模型特征、结构、样本、数据流优化经验，大模型开发和优化经验者优先； 4、有强烈的责任心，有热情，乐于学习和思考，积极应对有挑战性的问题，有良好的团队协作精神。
工作职责
1、负责拼多多核心电商搜索、推荐、商业化广告场景的模型研发工作，提升用户体验，优化场景的订单、GMV、收入、DAU等指标； 2、负责搜广推全场景的精排CTR、CVR、价格、营销(优惠券、用户增长)等模型的研发，通过优化特征、模型结构、样本Label、数据流等提升模型的效率； 3、负责重排Generator、Evaluator相关的模型研发，通过优化模型结构、List价值定义等提升整体页面的效率； 4、探索大模型在搜广推精排模型的落地，如用户理解、商品理解、创意生成、生成式精排模型等，探索精排模型的Scaling Law，进一步提升模型的效率。
1、负责CTR/CVR/LTV等广告排序核心模型的优化和创新； 2、大规模分布式机器学习模型与训练工具的探索与实现； 3、社交电商场景，“商品-用户-内容/关系”等多维数据建模，提升流量变现效率与电商转化效率； 4、强化学习、深度学习在商业化营销业务的前沿探索与应用。
1、负责CTR/CVR/LTV等广告排序核心模型的优化和创新； 2、大规模分布式机器学习模型与训练工具的探索与实现； 3、社交电商场景，“商品-用户-内容/关系”等多维数据建模，提升流量变现效率与电商转化效率； 4、强化学习、深度学习在商业化营销业务的前沿探索与应用。
1、算法设计与优化：负责国际化业务中搜索、推荐、广告场景的算法策略研发，包括但不限于召回、排序、精排、混排等模块，提升点击率、转化率、用户留存等核心指标。 2、增长策略探索：基于用户行为数据，设计并落地增长策略（如用户拉新、活跃度提升、流失召回等），结合A/B测试、因果推断等方法验证策略效果。 3、数据驱动分析：挖掘用户画像、行为序列、上下文信息等特征，构建多模态（文本、图像）理解模型，提升内容与用户需求的匹配效率。 4、技术前瞻研究：跟踪业界前沿技术（如强化学习、多任务学习等），探索其在搜索推荐、广告竞价、增长裂变等场景的应用。 5、跨团队协作：与产品、运营、数据团队紧密合作，推动算法策略的工程落地与效果迭代，支撑全球化业务快速拓展。
1、算法设计与优化：负责国际化业务中搜索、推荐、广告场景的算法策略研发，包括但不限于召回、排序、精排、混排等模块，提升点击率、转化率、用户留存等核心指标。 2、增长策略探索：基于用户行为数据，设计并落地增长策略（如用户拉新、活跃度提升、流失召回等），结合A/B测试、因果推断等方法验证策略效果。 3、数据驱动分析：挖掘用户画像、行为序列、上下文信息等特征，构建多模态（文本、图像）理解模型，提升内容与用户需求的匹配效率。 4、技术前瞻研究：跟踪业界前沿技术（如强化学习、多任务学习等），探索其在搜索推荐、广告竞价、增长裂变等场景的应用。 5、跨团队协作：与产品、运营、数据团队紧密合作，推动算法策略的工程落地与效果迭代，支撑全球化业务快速拓展。