小米小米汽车-约束系统产品（ACU）开发工程师

1、深入快手支付业务场景，参与支付用户增长、支付渠道推荐、流量分发、保险业务等场景的算法研发，提升快手支付业务用户增长和平台营收； 2、负责支付业务各算法场景的技术攻关，参与机器学习、深度学习领域的核心研发工作，包括但不限于神经网络模型的设计与优化，营销uplift模型、归因模型等的算法和系统研发； 3、针对快手平台海量用户行为和画像数据，结合支付业务约束和诉求，设计针对性的多目标优化策略、运筹优化策略和推荐策略，提升用户转化效率。

1. 面向有道词典、词典笔、学习规划/小P老师等产品线，负责 Agent 能力的整体方案与核心算法研发，包括任务分解、计划-执行/反思循环（Plan-Execute / ReAct / Reflection）、长短期记忆与工具路由等； 2. 负责 SLM（Small Language Model）持续预训练与指令微调（SFT），构建高效压缩与蒸馏方案，面向端侧/低延迟场景优化推理效率； 3. 设计与实现工具调用（Function/Tool Calling）体系：工具编目与路由、参数填充、结果验证与回退、调用链追踪与可观测性，提升工具使用的成功率与收益； 4. 基于强化学习（PPO/GRPO/DPO 类方法等）与奖励建模，面向语义理解、工具使用成功率、内容生成质量等目标进行对齐与优化，支持离线/在线策略迭代； 5. 负责搜索与排序相关模型：语义检索embedding/rerank、学习排序（pointwise/pairwise/listwise）、点击/转化信号建模与评估； 6. 负责数据全链路：高质量数据构建、策略采样、合成与清洗、去重与去噪、难例挖掘、失败案例回放及工具轨迹数据集构建； 7. 建立系统化评测体系：离线基准（理解/工具成功率/可用性）、端到端任务评测、A/B 实验与线上指标监控，推进效果持续迭代； 8. 推动工程化落地：训练管线与分布式并行、推理服务化与弹性扩缩、缓存与检索加速、成本/时延/稳定性优化； 9. 跨团队协作，与产品、工程、数据及标注团队紧密配合，按期高质量交付，持续提升用户体验与业务指标。

方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。

我们是淘天集团-淘宝用户算法团队，专注于通过外投广告算法、商品推荐算法、权益算法、消息推荐算法，为淘宝用户带来更优质的体验，提升获客效率、增量GMV/LTV。核心职责包括： 1. 用户增量建模: 负责构建并持续迭代手淘的用户画像，构建用户维度的全网基础模型，持续升级迭代LT/LTV增量建模，提升模型预估准度。 2. 运筹优化建模：负责给定约束条件下的权益优化问题建模和求解，构建通用的多目标因果推断uplift模型，持续提升手淘增量ROI。 3. 红包等权益算法：包括互动场域红包、平台红包、优惠券等算法。