智能互联淘宝闪购-生成式搜索推荐算法专家-上海

1. 负责淘宝闪购搜索推荐算法的基础模型研发工作，包括店铺和商品信息流推荐、搜索结果页排序等，覆盖千万级DAU； 2. 基于业务问题，设计并实现推荐全链路算法模型，包括召回、粗排、精排、重排及混排等模块，搜索全链路算法模型，包括Query理解、召回、精排、重排等模块，持续迭代提升业务效果； 3. 跟踪国内外搜索推荐领域的最新进展，结合业务特点进行技术创新，推动算法模型的优化和升级； 4. 协同业务进行跨团队合作，与产品、运营等部门紧密合作，确保算法模型的有效落地和业务目标的达成。

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。

1. 负责淘宝闪购导购主链路，生成式搜索推荐系统的研发工作，包括但不局限于OneRec/OneSearch类的生成式架构的设计与实现，覆盖千万级DAU的个性化搜索推荐场景。 2. 主导生成式推荐全链路算法开发，包括端到端内容生成、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率与推荐质量。 3. 构建多模态用户行为建模系统，将短期搜索点击行为与长期购买偏好融合，打造具备语义理解能力的用户标识(UID)体系。 4. 探索生成式技术在搜索排序中的应用，开发层次量化编码技术，解决商品信息结构化难题，提升CTR和订单转化率。

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。