广州·荔湾区
职位详情
【岗位职责】
1、主导推荐系统核心算法的架构设计与性能优化，涵盖召回、排序（粗排/精排）及重排等关键环节，并推进LLM技术在推荐流程中的实际应用；
2、运用大语言模型进行用户兴趣挖掘、行为序列建模以及物品/内容的语义表达，增强推荐系统的匹配精度与个性化水平；
3、研发基于LLM的召回机制（如生成式召回、语义检索类召回）或构建排序所需的辅助特征与伪标签体系；
4、结合LTR、多目标优化、强化学习等算法策略，融合LLM输出能力，持续提升推荐效果的整体效率与内容多样性；
5、借助NLP与大模型技术处理非结构化信息（如评论、标题、对话记录），建立深层次的语义关联匹配框架；
6、关注行业前沿动态，探索LLM for Recommendation、RAG在推荐场景的应用、Prompt tuning方法及推理加速技术，驱动业务模式升级。
基础能力：
1、计算机、数学、统计学或相关领域本科及以上学历，具备3年以上搜索、推荐或广告算法研发经验；
2、具备良好的编程功底，精通Python，熟练掌握PyTorch/TensorFlow等主流深度学习工具；
专业技能（推荐 + LLM）：
1、推荐系统：
深入掌握常见召回方式（i2i/u2i、向量召回）和排序模型（FM/DIN/MMoE等）及其工程落地实现；
2、LLM算法能力：
理解主流大模型（如Qwen、LLaMA、GPT系列）的工作原理，熟悉微调技术（SFT、LoRA）及推理部署流程；
具有将大模型应用于推荐、搜索或匹配任务的实际项目经验，例如：
通过LLM生成用户画像标签或丰富物品描述信息；
构建基于大模型的语义匹配得分或用于重排序的解释依据；
利用LLM解决冷启动内容的理解难题；
3、掌握RAG架构、Prompt Engineering技巧及Embedding微调方法；
4、匹配与优化算法：
熟悉双塔结构、图嵌入、行为序列匹配等技术，掌握Pairwise/Listwise排序范式、多目标建模范式及A/B实验评估体系；
5、NLP基础能力：
具备文本表示、相似度计算、实体识别等相关知识，作为支撑大模型应用的技术底座
1、主导推荐系统核心算法的架构设计与性能优化，涵盖召回、排序（粗排/精排）及重排等关键环节，并推进LLM技术在推荐流程中的实际应用；
2、运用大语言模型进行用户兴趣挖掘、行为序列建模以及物品/内容的语义表达，增强推荐系统的匹配精度与个性化水平；
3、研发基于LLM的召回机制（如生成式召回、语义检索类召回）或构建排序所需的辅助特征与伪标签体系；
4、结合LTR、多目标优化、强化学习等算法策略，融合LLM输出能力，持续提升推荐效果的整体效率与内容多样性；
5、借助NLP与大模型技术处理非结构化信息（如评论、标题、对话记录），建立深层次的语义关联匹配框架；
6、关注行业前沿动态，探索LLM for Recommendation、RAG在推荐场景的应用、Prompt tuning方法及推理加速技术，驱动业务模式升级。
基础能力：
1、计算机、数学、统计学或相关领域本科及以上学历，具备3年以上搜索、推荐或广告算法研发经验；
2、具备良好的编程功底，精通Python，熟练掌握PyTorch/TensorFlow等主流深度学习工具；
专业技能（推荐 + LLM）：
1、推荐系统：
深入掌握常见召回方式（i2i/u2i、向量召回）和排序模型（FM/DIN/MMoE等）及其工程落地实现；
2、LLM算法能力：
理解主流大模型（如Qwen、LLaMA、GPT系列）的工作原理，熟悉微调技术（SFT、LoRA）及推理部署流程；
具有将大模型应用于推荐、搜索或匹配任务的实际项目经验，例如：
通过LLM生成用户画像标签或丰富物品描述信息；
构建基于大模型的语义匹配得分或用于重排序的解释依据；
利用LLM解决冷启动内容的理解难题；
3、掌握RAG架构、Prompt Engineering技巧及Embedding微调方法；
4、匹配与优化算法：
熟悉双塔结构、图嵌入、行为序列匹配等技术，掌握Pairwise/Listwise排序范式、多目标建模范式及A/B实验评估体系；
5、NLP基础能力：
具备文本表示、相似度计算、实体识别等相关知识，作为支撑大模型应用的技术底座
2026-05-16 13:36
IP属地：广东广州
职位福利
本科3-5年TransformerPyTorchTensorFlowPython搜索/推荐算法LLM
软通动力信息技术（集团）股份有限公司
已上市 · 10000人以上
工作地址
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
