工作职责:

-负责商业广告场景下的生成式排序模型研发，推动基于Transformer和序列化表达的端到端生成式建模范式在广告系统中的全链路落地，包括但不限于点击率、转化率、GMV等核心指标的建模优化，持续提升商业化变现效率
-参与打造新一代商业广告生成式排序模型，并推动多模态大模型能力建设，实现推荐模型的多模态语义能力迁移，重构商业搜推模型基础表征体系
-深入研究大模型前沿训练/推理技术，结合创新注意力算法、低精度量化算法等，实现大模型技术能力的搜推场景高效率落地，并探索强化学习、对抗学习等在广告排序场景中的应用，提升模型的长期价值优化能力
-紧跟推荐、排序和生成式AI领域的前沿学术及产业进展，主动提出创新性解决方案，支撑团队技术竞争力和业务前瞻性，推动相关论文专利、技术沉淀和产业化应用
-跨团队协作，驱动模型创新与业务结合落地，与产品、工程、算法、运营等多部门高效协作，确保模型技术高效转化为业务成果，推动业务持续增长

任职要求:

-扎实的机器学习基础，在生成式模型、深度学习（Transformer等）、大模型、语义建模等领域具有理论基础和工程实现经验（优先考虑有复杂广告/推荐/搜索场景实践的候选人）
-对生成式推荐、排序算法和注意力机制有深入理解，熟悉端到端训练、长序列建模及工业级大规模分布式模型推理优化，有序列化用户建模、语义ID等相关项目经验优先
-精通Python/C++等主流开发语言，掌握TensorFlow/PyTorch等深度学习开源框架，具备良好的算法能力与工程基础，能够独立完成大模型训练与在线推理系统开发
-主动钻研新技术、学习能力强，对行业前沿的推荐、信息检索、生成式AI等技术动态有敏锐嗅觉，乐于探索、挑战难题并推动成果转化
-具备良好的沟通与团队协作意识，责任心强，能跨团队推动项目落地，具备大型复杂业务背景下的项目推动与闭环能力
-有高水平论文、核心技术专利、相关竞赛获奖及大型推荐系统经验者优先