-负责推荐场景下的基础大模型的持续优化，探索模型参数量的Scaling Law，提升模型在复杂推荐场景下的理解与推理能力，推动推荐向Foundation Model范式演进 -突破传统“召回-排序”的漏斗式架构，探索并落地结合多模态的生成式召回技术 -研发端到端的推荐模型，探索将召回、粗排等多个模块统一在一个大模型框架内，构建高效的下一代推荐链路 -针对推荐广告系统中的多维收益（广告收入、LTV等），设计适用于大模型体系的多目标优化方案，实现多场景下的收益最大化 -本科及以上学历，计算机、数学、统计学及相关专业 -在推荐系统、自然语言处理、计算机视觉或机器学习领域有扎实的理论基础和丰富的实战经验 -具备优秀的编码能力，精通Python/C++，熟悉Linux开发环境 -熟练掌握PyTorch或TensorFlow等至少一种深度学习框架 -具备较强的数据敏锐度和业务洞察力，能从复杂的业务场景中抽象出清晰的算法问题 -自我驱动，具备优秀的沟通协作能力，敢于挑战技术难题