小米搜索与推荐算法工程师-实习

团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖期刊（如KDD、NeurIPS、ICLR、ICML、AAAI等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。 职位描述： 围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。

岗位描述： 1、参与小爱内容垂类(音乐/视频等)的搜索推荐算法优化工作, 使用 机器学习 / 多模态 / 大模型 等技术 解决 内容理解 / 搜索排序等问题，参与大模型在搜索推荐场景的微调与优化，提升模型在查询理解和跨模态信息融合对齐任务上的性能。 2、负责搜索推荐效果的改进，分析数据，落地到数据、算法、策略层，最终改进搜索推荐效果。

围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。 你将参与以下技术方向： ● 大模型应用：LLM、多模态大模型（如Qwen-VL、ChatGLM、InternVL）、SFT、RLHF、Prompt Engineering ● 生成式推荐：基于大模型的内容生成、意图推理、序列预测、个性化生成排序 ● 推荐系统核心模块：召回、粗排、精排、重排、混排、冷启动、特征工程 ● 行为序列建模：用户长期/短期兴趣建模、时空行为预测（如下一站预测） ● 指标驱动优化：CTR、CVR、GMV、DAU、停留时长等业务指标建模与优化 ● 工程化落地：高并发推荐系统架构、AB实验平台、在线服务性能调优

围绕高德的核心业务场景，研究大模型与推荐结合提升业务效果并落地，不限于LLM、多模态大模型SFT、RLHF、多模态理解、内容表征、推荐算法、行为序列建模、搜索算法。 团队介绍： 团队由国内外知名高校及主流互联网企业的资深专家组成，在顶尖期刊（如KDD、NeurIPS、ICLR、ICML、AAAI等）发表过多篇论文，是国内理论与应用实践相结合、应用算法创新的顶尖和超一流团队。