1.学历专业： 硕士及以上学历，计算机、统计学、数学、自动化等相关专业；2.算法能力：扎实的算法基础，对推荐算法和大模型有热情、乐于学习、思考和创新，具备论文复现和算法改进的能力；3.编程实力：具备较强的编程能力，精通主流算法编程语言，如Python/Tensorflow/Pytorch等；4.前沿认知： 对生成式推荐（如TIGER, HSTU, Meta的生成式召回等）或LLM for Rec有深入理解或强烈探索欲；5.软实力： 优秀的逻辑分析与问题解决能力，良好的团队协作与沟通表达能力；6.项目优先： 熟悉传统机器学习/深度学习，有推荐系统、广告系统、搜索排序相关项目或实习经历者优先；如有生成式模型（VAE/GAN/Diffusion/LLM）项目经验者，即使非推荐领域也强烈欢迎；7.加分项： 在KDD、SIGIR、RecSys、WWW、NeurIPS等顶会/期刊发表过论文，或在Kaggle、KDD Cup等顶级竞赛中获得Top名次者优先。1.构建下一代推荐系统： 深度参与视频推荐全链路（召回、排序、重排）的设计与开发，重点探索生成式推荐、大语言模型（LLM）在用户行为序列建模、兴趣向量生成中的落地应用，搭建业界领先的视频推荐系统；2.推荐体验优化： 与数科、产品、运营团队紧密协作，优化内容分发策略，解决推荐系统中的“冷启动”、“惊喜度”、“多样性”等问题，持续提升用户满意度；3.前沿技术跟踪： 追踪SIGIR、KDD、RecSys等顶会关于生成式推荐（Generative Recommendation）及多模态大模型的最新研究成果，复现SOTA论文，支撑下游运营与产品需求。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录