【S&R&A】生成式排序/召回算法高级专家

岗位方向

我们正在探索下一代搜索/推荐排序与召回技术，重点包括 Generative Retrieval、Generative Ranking、LLM-enhanced Search/Recommendation、语义 ID、用户行为序列建模、多目标优化与大模型蒸馏等方向。该岗位将参与电商搜索/推荐核心链路的算法升级，推动从传统召回-排序架构向更统一、更智能的生成式搜推系统演进。

岗位职责

负责 Generative Recall / Generative Ranking 相关算法的研究、设计与落地，包括语义 ID、端到端候选生成、生成式重排、query-item 语义建模等方向；

探索 LLM / MLLM 在搜索和推荐中的应用，包括 query understanding、item understanding、相关性建模、用户意图理解、特征蒸馏等；

建设面向电商场景的多阶段训练与调优流程，包括语义对齐、行为建模、多目标优化、偏好对齐、线上反馈校准等；

优化搜索/推荐核心业务指标，包括 CTR、CVR、GMV、Revenue、相关性、用户体验等；

跟进业界前沿工作，如 OneSearch、OneRec、HSTU、OneTrans、Generative Retrieval、LLM for Recommendation 等，并结合业务场景推动创新落地；

与工程、产品、策略团队协作，完成模型上线、实验分析、效果复盘和持续迭代。

岗位要求

计算机、人工智能、机器学习、数据科学等相关专业本科及以上学历；

熟悉搜索、推荐、广告排序或召回中的至少一个方向，有工业级模型落地经验；

熟悉深度学习基础，了解 Transformer、序列建模、多任务学习、表示学习、召回/排序模型等技术；

熟悉 PyTorch / TensorFlow 等至少一种深度学习框架，具备良好的工程实现能力；

具备模型性能优化经验，能够针对推理延迟、吞吐量、资源成本等指标进行系统性优化，熟悉模型压缩、量化、剪枝、蒸馏、算子融合等技术，并具备线上部署或工程落地经验；

对生成式推荐、生成式召回、LLM for Search/Recommendation、语义 ID、用户行为建模等方向有兴趣或经验；

具备良好的数据分析能力，能够基于离线指标和线上 A/B 实验定位问题、推动优化；

具备良好的沟通协作能力，能与产品、工程和业务团队一起推动复杂项目落地。

加分项

有电商搜索、推荐、广告排序、召回、粗排、精排相关经验；

有大规模 Transformer / 序列模型 / 多模态模型 / LLM 蒸馏落地经验；

熟悉 Generative Retrieval、Semantic ID、DPO/RLHF/GRPO、Reward Model、多目标排序等方向；

有相关顶会论文、专利、开源项目或大型工业系统优化经验；

对用户意图理解、query-item relevance、个性化排序、多目标业务优化有深入理解。

岗位亮点

参与核心搜索/推荐链路的下一代架构探索；

面向真实大规模电商场景，技术效果可直接影响 GMV、Revenue 和用户体验；

有机会结合 LLM、生成式模型、排序模型和多目标优化，做从研究到落地的完整闭环；

团队鼓励技术探索，关注前沿论文与工业实践结合。