拼多多搜索推荐广告算法工程师
任职要求
1、计算机、模式识别、数学、统计学等相关专业本科及以上学历； 2、具备广告、搜索、推荐、用户增长至少一个领域的实践经验，对召回、排序、出价等核心模块有深入理解者优先； 3、熟练掌握机器学习常用算法，能熟练运用Pytorch/TensorFlow等至少一种深度学习框架； 4、熟悉大数据处理的常用方法，…
工作职责
1、负责搜索/推荐/广告/用户增长场景算法模型的迭代与优化，涵盖召回、排序、uplift、出价等关键环节，以持续提升点击率/转化率/激活/LTV/GMV/相关性为核心目标； 2、通过优化样本/特征/模型结构/数据流等提升模型的效率和效果；探索精排模型的Scaling Law； 3、运用规则或机器学习模型，为业务增长制定科学的策略体系，并持续优化整体机制； 4、深入分析电商场景下的用户行为，构建精准用户画像，为业务增长策略提供核心数据洞察； 5、追踪并研究深度学习、多模态大模型、生成式推荐等领域的前沿算法，探索其在业务场景中的应用与创新。
1、负责核心电商搜索、推荐、广告场景的个性化流量分发和模型研发工作，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召回、粗排、精排、重排、策略等方向的优化，提升模型效率、策略的合理性，最大化流量分发效率； 3、研究方向：深度学习、召回模型、LTR、CTRCVR模型、Uplift模型、多模态大模型、创意生成和优选、营销增长算法、运筹优化、模型压缩和加速等。追求技术创新和实际业务的结合，深入剖析电商系统的问题，不断提升用户的体验。
1、理解业务逻辑和玩家行为，面向网易游戏海量数据，构建模型洞察用户行为动机及目的； 2、为游戏内不同场景提供高效稳定的推荐算法，辅助产品更好的进行内容分发，提升游戏的营收以及用户体验； 3、紧跟数据挖掘、推荐算法等领域的发展趋势，对业务和技术有深入洞察，利用前沿技术为业务带来新的突破； 4、 与业务团队紧密合作，根据业务场景，快速迭代算法模型，解决业务上的痛点和挑战，支撑业务的快速发展
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 1、参与并负责核心业务场景的各类算法，包括个性化推荐系统等核心算法能力； 2、深度参与商品、内容分发算法设计，提升流量匹配的效率和用户粘性； 3、建设包括AGENT、RAG召回、粗排、精排、重排、混排等推荐算法，打造集团和业界一流的算法； 4、探索大语言模型（LLM）、多模态大模型、Agent及RAG技术在搜推领域的应用，利用SFT微调、强化学习（RLHF/DPO）、提示词工程等手段，提升对用户意图的深度理解及内容承接能力。
1. 前沿技术落地：负责 Agentic Search/Reasoning、Deep Research 及多模态大模型在电商场景的应用；探索 RLHF/RLAIF 对齐技术，推动搜推广架构向生成式预估/召回演进，验证 Scaling Law 潜力。 2. 体验重构优化：深耕 Query 意图理解、语义检索及 UGC 内容生成；利用 LLM CoT 增强用户行为建模与偏好推理，提升搜推相关性、丰富度及匹配精准度。 3. AIGC 商业提效：构建生成式内容生态（自动标题/卖点、文生图/视频、自动化投放），通过提升内容质量与生产效率，驱动用户体验与商业转化双增长。 4. 智能体体系构建：研发 AI Agent、Agentic RL 及多智能体协同技术，应用于智能导购、交互式搜推及复杂供需匹配，打造具备自主推理、动态规划及自进化能力的智能系统。