预测/决策/大模型应用算法工程师

岗位职责

1. 主导团队内算法体系的从 0 到 1 建设，深度参与广告策略、营销增长、供应链智能预测、大模型应用等 AI 方向的整体架构设计与技术路线制定，推动算法能力成为业务核心竞争力；
2. 基于海量用户行为数据与多源业务信号，综合运用机器学习、深度学习、强化学习、博弈策略、因果推断等前沿技术，构建预测及排序场景全链路算法体系；在向量化召回、CTR/CVR 模型预估、LTR、多目标排序等方向持续突破，模型能力对标业界前沿，全面提升营收及用户体验；
3. 建设端到端的供应链智能决策体系：融合时序深度学习（DeepAR、TFT、N-BEATS 等）、图神经网络、因果建模与异常检测技术，精准刻画节假日效应、促销扰动、 热点活动、外部冲击等复杂场景下的需求规律，显著提升预测精度；并在此基础上构建库存优化与调度的联合决策模型，实现供应链全链路的降本增效；
4. 深度推进 LLM 大模型技术在业务场景的工程化落地：通过高质量数据工程与 SFT/RLHF/DPO 等对齐技术，打造适配业务垂域的专属模型能力；构建生产级 RAG 系统，融合向量检索、稀疏检索、Reranker 重排序及动态知识更新机制；设计并实现企业级 Multi-Agent 协作框架，涵盖工具调用、动态任务规划、长期记忆管理与多步推理，落地自动化决策及代操作场景；
5. 结合业务全局视角，设计跨场景的多目标优化策略，主导 AB 实验体系建设，支撑算法策略的高效迭代与科学度量；与产品、工程、数据、运营等团队深度协作，将算法价值快速转化为业务增长，沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at work 提效。

任职要求

1. 数学、统计、运筹学、计算机或相关专业硕士及以上学历，具备扎实的概率统计、最优化理论与数学建模能力；在机器学习、深度学习、搜索推荐、计算广告、因果推断、供应链预测或大模型应用等其一方向有深厚积累，能够独自完成从问题定义、算法设计、实验验证到效果度量的完整研发闭环；有顶会论文（KDD/NeurIPS/ICML/WWW 等）或业界落地案例者优先；
2. 工程实现能力：熟练掌握 Python、Java 或 Scala 等主流编程语言；具备扎实的数据结构与算法基础，能高效使用 AI IDE 工具及应用 Spec Coding 等范式；了解模型训练、推理优化（量化、蒸馏）及在线服务部署的完整流程；
3. 大数据处理能力：有处理 TB/PB 级数据集的实战经验，熟悉 Hadoop、Spark、Flink 等大数据技术栈；具备特征工程、样本构建与数据质量治理的完整能力；
4. 大模型应用能力：具备 LLM 微调（SFT/RLHF/DPO）与模型评估经验；有生产级 RAG 系统（向量数据库、混合检索、Reranker）构建经验；熟悉主流 Agent 开发框架（LangChain / AutoGen / LlamaIndex / CrewAI 等）；了解 Context Engineering、Harness Engineering等工程实践；
5. 业务与数据分析能力：具备较强的业务理解力与数据敏感度，能够通过数据分析快速定位问题、提炼业务洞察，并将业务目标有效转化为可量化的算法优化方向；熟悉 AB 实验设计与因果效果评估方法；
6. 具备出色的问题洞察与跨团队推动能力，能够在业务复杂性与技术创新之间找到最优路径；乐于在高速成长的业务环境中持续学习，与团队共同成就。