一、岗位描述 1、参与个性化推荐、搜索排序、风控识别等算法场景的建模与优化，从业务问题出发设计可落地的算法方案； 2、参与机器学习/深度学习模型的选型、训练、评估与迭代，覆盖召回、排序、CTR预估、异常检测、反欺诈等核心环节； 3、探索大模型与智能算法在推荐增强、查询理解、风险推理等业务场景的落地应用，包括提示词工程、轻量化微调、RAG 等方向的工程化尝试； 4、参与特征工程体系与算法实验平台建设，推动模型从离线训练到在线推理的全链路闭环； 5、跟踪推荐系统、搜索算法、风控建模及 AIGC 相关前沿技术，沉淀可复用的算法组件与技术文档。 二、岗位要求 1、本科及以上学历，计算机、人工智能、统计学、数学等相关专业优先； 2、具备扎实的数理与机器学习基础，熟悉 LR、SVM、Boosting、XGBoost/LightGBM 及常见深度学习模型原理； 3、熟练使用 Python 进行算法开发与实验，熟悉 PyTorch/TensorFlow 等至少一种主流框架，具备良好编码规范； 4、熟悉推荐/搜索/风控中至少一个方向的建模逻辑（如协同过滤、向量召回、CTR模型、图算法、异常检测等），有相关项目或竞赛经验优先； 5、了解大模型应用范式（Prompt Engineering、SFT/DPO、RAG、Agent 等），能将 AI 能力嵌入算法链路者优先； 6、具备基本工程化意识，了解 SQL 用于样本与特征抽取、熟悉 Linux/Shell 环境者优先； 7、有知识库建设、算法组件沉淀或开源/顶会/竞赛经历者优先。