智能互联高德-推荐召排系统后端开发工程师-AI 专项

● 负责搜推系统的召回、排序整体架构设计与工程实现，推动策略功能持续演进，高效支撑多样化的业务场景需求； ● 设计高扩展性系统架构，融合传统搜推体系与基于 LLM Agent 的新一代智能搜推架构，打造面向未来的搜推技术底座； ● 持续优化系统在吞吐量、响应延迟、稳定性（容灾降级）等方面的表现，推动整体性能达到行业领先水平； ● 抽象多业务场景中的共性模式，推进系统向插件化、标准化方向演进，提升复用性、可维护性与迭代效率； ● 与产品、算法、数据团队紧密协作，打通数据流转、系统对接、监控追踪等端到端链路，保障搜推系统稳定、高效交付。

1.负责 LBS 场景下智能推荐引擎的整体算法架构设计与技术研发，应用推荐系统相关机器学习/深度学习/图神经网络/大模型等技术提升系统效果与用户体验； 2.负责推荐系统召回、相关性、排序、多目标优化等模块的研究与优化，包括特征工程、模型训练、在线推理等全链路工作； 3.分析海量用户位置轨迹与行为数据，挖掘时空关联模式，构建用户画像、POI 特征和上下文感知的推荐策略，并持续优化； 4.带领并管理算法团队，制定技术发展规划与团队目标，指导成员完成算法研发、效果评估和业务落地。

1. 参与亿级用户规模的高德个性化搜索引导场景优化，应用机器学习/深度学习/大模型算法提升推荐结果指标 2. 负责多入口多场景下统一召回、粗排、精排算法优化；在多场景建模、用户行为序列建模、时空场景推荐等技术点上，应用业界领先的技术优化，取得指标收益。 3. 利用高德的庞大数据量，结合LBS时空数据的特点，通过海量数据/大模型分析挖掘用户潜在需求，指导推荐算法和策略的设计，提升推荐效果。

1.负责 LBS 场景下智能推荐引擎的整体算法架构设计与技术研发，应用推荐系统相关机器学习/深度学习/图神经网络/大模型等技术提升系统效果与用户体验； 2.负责推荐系统召回、相关性、排序、多目标优化等模块的研究与优化，包括特征工程、模型训练、在线推理等全链路工作； 3.分析海量用户位置轨迹与行为数据，挖掘时空关联模式，构建用户画像、POI 特征和上下文感知的推荐策略，并持续优化； 4.带领并管理算法团队，制定技术发展规划与团队目标，指导成员完成算法研发、效果评估和业务落地。