搜索推荐广告算法

岗位职责

面向核心业务场景，包括智能搜索、推荐、广告等，处理海量海量规模大数据，结合检索、排序、多模态理解和大模型能力，持续优化内容匹配效率、用户体验和业务价值。将参与召回、粗排、精排、重排到结果生成优化的完整链路建设，推动 AI 搜索、推荐、生成式AI、广告等能力在真实业务中的落地与迭代。

具体职责包括以下相关方向的一项或多项：

1. 参与核心业务场景，包括搜索、推荐、广告等场景的算法建设，优化召回、排序、重排及结果生成链路，提升业务效率、用户规模等核心指标；
2. 研究生成式推荐、Scaling up、Semantic id、AI Agent等前沿技术方向，解决核心场景业务增长问题；
3. 探索并应用大模型（LLM）、多模态学习、AIGC技术，进行智能创意生成、素材理解、创意元素优选及个性化创意组合优化，显著提升搜索、推荐、广告创意吸引力与点击效果；
4. 参与或负责基于大模型（LLM）的搜索、推荐、广告智能体（Agent）的研发，用于自动化策略调优、实时效果归因、智能异常监控、仿真模拟等场景，提升系统自动化决策与运营效率。

任职要求

1. 熟悉搜索、推荐、广告、排序、检索增强等基础方法，理解召回、粗排、精排、重排等典型链路；
2. 具备较强的效果分析、实验设计和问题定位能力，有搜索、推荐或广告算法相关经验者优先；
3. 对大模型（LLM）原理及应用有实践热情，关注LLM/AIGC在搜索、推荐、广告领域的应用，有NLP/多模态/强化学习经验者优先；
4. 拥有Kaggle/ACM竞赛奖项、国际顶级会议论文、知名GitHub开源项目等公开成果者优先。

特色标签

AIGC技术、AI搜索、AI智能代理、AI生成内容、LLM、Python、Shell、SQL、个性化推荐、优秀开源项目经历、候选集生成、内容、分布式训练、参加算法相关竞赛/获奖、发表算法相关优秀论文、商业化、多模态理解、多模态算法、多阶段排序、大数据、大数据处理工具(Spark/Hadoop/Hive)、大模型算法、大语言模型、并行计算、广告、强化学习、排序链路、推荐、推荐算法、搜索、搜索算法、文本生成、智能体、智能创意生成、智能搜索、机器学习、深度学习、生成式人工智能、生成式推荐、程序化广告、算法工程化经验、粗召回、自然语言处理算法、营销、计算广告、语义理解、跨模态学习