美团搜推营销-拼好饭推荐算法实习生
任职要求
1. 熟悉常见机器学习、深度学习模型； 2. 熟悉Tensorflow/Pytorch等深度学习框架，可以快速实现常见模型结构； 3. 优秀的分析和解决问题的能力，对挑战性问题充满激情。 具备以下条件优先 1. 在ACL、AAAI、IJCAI、EMNLP等国际顶尖会议或期刊上发表过论文； 2. 在各类重大竞赛中取得优异成绩。
工作职责
1. 发展大规模深度学习、图学习等技术，利用注意力机制、记忆网络、关系网络等模块，从跨多个时空场景的海量数据中理解用户需求、发掘用户兴趣，优化转化率模型，为用户展示更感兴趣的物美价廉的美食。 2. 发展可解释深度学习、多目标优化等技术，优化流量分发机制，优化平台生态，实现消费者和商家共赢； 3. 追踪并研究人工智能前沿技术，探索技术在零售场景的应用。
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. 带领团队不断优化推荐全链路算法（召回、排序、机制），建设业界先进的即时零售推荐系统算法体系，提升用户体验和流量转化效率。 2. 和产品、业务合作，设计并不断完善算法长中短期的指标体系，优化流量侧用户价值、商家价值及平台生态； 3. 跟踪业界相关领域前沿技术（LLM、Agent、多模态等），结合闪购业务特性进行探索落地，提高对公司内外的技术影响力； 4. 建设高质量即时零售推荐人才队伍，推动公司领导力原则落地，实现组织能力提升。
1，Keeta大区搜推BP，和产品、运营深度协作设定搜推目标，优化搜索和推荐算法策略，提升用户体验、支持业务目标达成。 2，负责搜推流量机制算法方向，支持不同国家在商家生态方向的目标达成，包括冷启动、高端供给提升等。 3，跟进业界排序机制、强化学习、大语言模型等方向前沿技术，探索在Keeta搜推业务场景落地。 4，团队算法人才的招聘和培养
1.负责闪购搜索的算法策略工作，解决业务痛点，持续优化业务效果； 2.研究LLM和机器学习领域的前沿技术，重点关注搜索推荐策略算法的业界迭代演进方向，并用于解决实际业务问题； 3.不断完善和优化线上策略，贴合闪购业务实际情况设计研发方案，以技术驱动公司业务成长，体现技术价值。