【工作职责】 1.负责推荐场景LLM-for-Rec范式的落地和优化建设，包含但不限于基于Agent协同的用户理解、物品理解和推理链路的搭建和优化； 2.负责基础推荐算法方向，如基础大模型、模型 scaling up、多模态推荐等方向，通过千亿样本、特征，结合模型 scaling up和多模态技术，持续推动建模技术升级突破；研发Embedding迁移框架及模型蒸馏等技术，实现基座大模型能力向推荐系统的有效迁移； 3.通过特征、样本、模型的scaling up，持续探索模型scaling law 的天花板； 4.将多模态技术融入推荐建模中，包括跨模态对齐、多模态理解等任务，通过更丰富信息、更泛化的表达，持续提升模型效果； 5.积极跟进AI学术界和业界的最新动态，优化内部技术方案，不断推进LLM推荐算法设计升级。 【任职要求】 1.具备扎实的数据结构和算法功底，熟悉掌握常见有监督、无监督等算法模型的原理、优缺点、适用场景等基础知识； 2.具有大模型开发、SFT、RL微调相关经验，LLM/多模态大模型开发经验优先；熟悉Tensorflow或者PyTorch机器学习框架，并有实际的模型训练、调优的项目经验； 3.了解Transformer 等大模型核心算子（Attention、FFN、LayerNorm）底层实现机制与性能优化方法；熟悉深度学习模型从训练到推理的全链路转化逻辑，具备大模型训推一体化问题定位与优化经验者优先； 4.具有大规模机器学习训练、推理平台开发或LLM/多模态大模型开发经验优先； 5.优秀的分析问题、解决问题能力和团队合作意识。