1、生成式推荐模型研发：负责基于LLM生成式模型的推荐策略设计与优化，探索生成式技术在用户兴趣建模、内容生成与匹配、个性化推荐中的创新应用，提升推荐的相关性、多样性与用户体验；
2、多模态融合与理解：深入研究并应用多模态技术，融合文本、图像、视频等信息，提升对内容和用户意图的理解能力，为生成式推荐提供坚实的表征基础；
3、系统实验与效果评估：参与生成式推荐系统的实验设计与效果评估，通过A/B测试等手段科学验证模型改进的有效性，并进行深度归因分析；
4、技术落地与业务协同：与产品、运营团队紧密协作，将生成式技术落地到实际推荐场景（如短视频、图文、直播），推动业务指标（如用户时长、GMV、广告收入）的显著提升；
5、前沿技术跟踪与创新：密切跟踪生成式AI与推荐系统领域的最新研究进展，引入创新方案解决业务痛点，持续探索技术边界。
1、计算机/人工智能/统计学等相关专业硕士及以上学位，或本科有3年以上生成式模型、推荐系统相关工作经验；
2、扎实的机器学习/深度学习理论基础，熟悉生成式模型（如Transformer、LLM、多模态生成模型、扩散模型等）的原理与应用；
3、熟悉至少一种主流深度学习框架（PyTorch/TensorFlow），具备较强的代码实现能力；
4、有扎实的编程基础，良好的编程风格和工作习惯，熟练掌握C/C++、Java、Python等至少一门语言；
5、有大规模推荐系统或生成式模型（如LLM、AIGC）相关项目经验者优先；
6、具有良好的团队协作能力、沟通能力和问题解决能力，对新技术有强烈的探索欲望。
加分项
1、在广告、推荐、搜索、增长营销等大规模业务上有过多年的优化经验；
2、在顶级会议（CCF-A类，如ICML、NIPS、ICLR、AAAI、IJCAI、KDD、RecSys、SIGIR等）上发表过论文；
3、有过深度学习编程框架开源社区经验。
