【工作职责】 工作职责 传统的搜广推链路范式通常需要经历召回-粗排-精排-重排四个阶段，计算效率低且一致性难优化，因此我们希望能够创新的颠覆过往传统设计，以生成式范式为基础，做序列生成和点击率预估的搜广推新架构，将计算效率和系统收益完整绑定，并且最终提升用户体验和广告指标。 具体工作职责包括以下： 1.参与设计和实现生成式推荐中的序列生成模块，从Token生成/定义，模型实现，损失函数等多个点搭建序列生成模型； 2.以高MFU结构设计为目的，参与生成式推荐工程生态搭建，从数据流，特征，高效计算等多个方向进行优化； 3.在生成式推荐的基础上，重新定义用户兴趣提取模块，设计高效的长期/短期兴趣提取模块，设计Long-Context，Token compression等多种技术； 4.强化学习框架搭建，以用户体验和广告收入为目的，搭建强化学习框架，其中包含模型训练，业务指标Reward涉及，多样性，序列评估等多项工作。 【任职要求】 1.研究生及以上学历，在机器学习、深度学习、强化学习、基础数学、统计数学等领域有着一定积累； 2.了解推荐，搜索以及广告等业务系统，并且一直对业务具备学习热情，做真正懂业务的算法工程师； 3.在国际顶级会议发表论文者优先，包括但不限于KDD、SIGIR、RecSys、ACL、NeurIPS等； 4.了解LLM/MultiModel LLM/生成式推荐/OneRec等技术方向的相关技术，能够清晰的定义问题和拆解问题，对技术的理解程度上要有场景迁移能力； 5.保持好奇心，不断追踪新技术，能够深入理解，并且将技术转化为价值沉淀/论文。