1. 召回与排序：负责推荐链路中召回与排序模型的迭代优化，提升场景转化效率与用户活跃。 2. 生成式方法落地：探索大模型与生成式建模在推荐链路中的应用，并完成线上验证。 3. 用户增长与效果评估：面向用户长期活跃开展用户理解与策略设计，建设策略效果的评估与归因体系。 4. 策略工程与提效：完成在线策略服务与离线数据链路的开发；将 Agent 能力引入策略研发流程，提升整体迭代效率。 任职资格 1. 扎实的机器学习/深度学习基础：熟悉 LR、GBDT、FM 系列、DIN、SASRec、双塔、Transformer、多目标学习（MMOE / PLE）等搜推经典模型原理。 2. 对推荐技术演化方向保持跟进，掌握或实践过生成式技术在推荐场景的应用：生成式建模范式（语义 ID + next-token prediction、LLM 直接生成候选、生成式召回）或对齐训练方法（SFT、奖励模型、DPO / GRPO 等）。 3. Python 与 SQL 熟练；具备 Hive / Spark 大规模离线数据处理能力，可独立完成从取数、特征到离线评估的完整闭环。 4. 具备 C++ 基础，可读、可修改线上服务代码；熟悉 Linux 开发环境；Git 分支管理与 Code Review 流程规范。