商业增值-零售广告算法工程师

岗位职责

1，召回算法：负责触发召回算法优化，探索生成式召回与 LLM-based Agent 在相关性中的应用，攻克百亿级商品场景下冷启动与长尾商品的信息瓶颈； 2，预估排序：负责 CTR/CVR 多任务多场景预估排序，深度结合零售业务特点探索超长序列建模、精排Scaling、跨域多目标建模、知识蒸馏、多人群学习、Debias、延迟反馈建模等，攻克长尾商品稀疏与多场景复用难题； 3，机制策略：负责广告机制算法优化，探索生成式拍卖、自回归机制模型、listwise 建模、精排重排联合建模，持续突破机制与排序分离架构的效率上限； 4，端到端建模：负责统一多场景广告大模型基座建设，探索召粗一体、端到端生成式推荐等新范式，突破级联架构的信息损失天花板；突破百亿参数级预估模型与1M+超长行为序列建模，探索 Scaling 收益边界； 5，深入理解零售业务场景，与产品、运营团队协作，推动算法策略在商业化场景中的落地与效果验证。

任职要求

1. 硕士研究生及以上学历，计算机、数学、统计等相关专业，对大模型原理及应用有深入理解；
2. 3年以上广告、推荐或搜索算法相关工作经验，具备扎实的机器学习理论基础；有LLM微调、后训练或Agent系统开发经验者优先，具备良好的业务sense；
3. 熟练掌握Python、C++或Java等编程语言，熟悉TensorFlow、PyTorch等深度学习框架；熟悉LLM应用开发工具链（如Prompt工程、RAG、微调框架等）者优先；
4. 具备大规模数据处理能力，熟悉Hadoop、Spark等分布式计算工具；有AI模型训练、部署及推理优化经验者加分；
5. 具备良好的逻辑思维与沟通能力，对AI技术有强烈好奇心和探索欲，能够推动AI项目从研究到落地的全流程。