岗位职责：
1.算法设计与优化：负责AI内容创作场景下推荐算法与搜案算法的研发选代，包括但不限于召回、排序、过滤、个性化推荐等模块，优化内容匹配精准度与用户点击率、停留时长等核心指标。
2.数据驱动选代：基于用户行为数据、内容特征数据等，构建算法评估体系，通过AB测试等方式验证算法效果，持续送代优化推荐策略，解决冷启动、多样性不足等实际业务问题。
3.特征工程与模型搭建：参与内容特征、用户特征的挖握与构建，结合场景需求选择或改进合适的推荐模型（如协同过滤、深度学习模型等），提升模型预测精度与泛化能力。
4.系统协同与落地：与工程、产品、数据等团队协作，将算法方案转化为可落地的技术实现，保障推荐系统的高可用性、低延迟与稳定性，适配AI内容创作场最的动态变化需求。
5.技术探家与沉淀：跟踪推荐算法、AI大模型在内容领域的应用动态，探索大模型与推荐系统结合的创新方向（如生成式推荐、意图理解增强等），沉淀算法研发经验与技术方案。

任职要求：

1.学历背景：计算机科学、软件工程、数学、统计学等相关专业本科及以上学历。

2.工作经验：2-5年推荐算法或搜案算法研发经验，有AI内容创作、UGC/PGC内容平台、短视频/图文等内容领域算法经验者优先。

3.技术能力：精通常见推荐算法（如协同过滤、LR、GBDT、FM/FFM、DeepFM、Transformer-based模型等），熟恶搜核心技术（如倒排案引引、相关性排序、语义检案等）：熟练掌握Python，熟悉TensorFlow/PyTorch等深度学习框架，具备数据处理与分析能力（如SQL、Spark等）。

4.业务理解：深入理解推荐业务逻辑，能结合用户需求与场景特性设计算法策略，具备从业务问题抽象为算法问题并解决的能力。

5.项目经验：有独立负责推荐/搜实模块优化、参与完整推荐系统搭建或核心指标提升项目的经历，能清晰阐述项目成果与技术贡献。

加分项：

（1）具备Al大模型相关经验，如基于大模型进行语义理解、内容生成辅助推荐、Embedding优化等实践经历。

（2）熟恶内容审核、版权识别等AI内容创作场景关联技术，能将其与推荐算法结合解决实际问题

（3）有高并发、大规模推荐系统落地经验，熟恶推荐系统工程优化方法（如模型压缩、离线/在线计算架构设计等）。

（4）在技术社区发表过推荐算法相关文章，或参与过开源推荐项目贡献者优先。