小红书(xiaohongshu)招聘【Ace顶尖实习生】基于大模型的生成式推荐探索
招聘职位:
【Ace顶尖实习生】基于大模型的生成式推荐探索 搜索同类职位
岗位职责:
当前推荐算法主要依赖用户行为做相关性建模,基于正负反馈信号动态调整用户兴趣表示。这种建模方式在用户意图理解、复杂偏好刻画及跨领域知识利用和泛化性方面仍存在明显局限:一方面,行为信号往往稀疏且滞后,导致兴趣调节效率有限;另一方面,推荐模型缺乏对高维世界知识的有效提取、整合与推理能力,难以深入理解用户真实需求及其潜在偏好。尤其对于低活跃、低消费或行为样本不足的用户群体,现有方法较难显著提升推荐效果与用户体验。
近年来,大模型在知识表征、语义理解、逻辑推理和泛化能力方面展现出显著优势,为突破当下推荐系统瓶颈提供了新的技术路径。通过探索大模型与推荐系统的深度融合,有望增强系统对用户意图的精准感知能力,提升对复杂兴趣和长尾需求的理解水平,可进一步推动推荐系统向更加智能化、个性化和人性化的方向发展。
任职要求:
1、不限年级,本科及以上在读,计算机/人工智能/软件工程等相关专业优先;
2、扎实的编程能力和算法功底,熟练掌握Python/C++/Java等至少一种编程语言;
3、扎实的机器学习/深度学习理论基础,有大规模推荐系统、计算广告、搜索引擎等核心算法项目经验;
3、有LLM/MLLM等多模态理解技术背景,或大规模模型训练实际项目经验者优先;
5、在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先;
6、在顶级学术会议或期刊发表论文,或ACM编程竞赛/机器学习等竞赛获奖;
7、良好的沟通协作能力,责任心强,积极主动,能和团队一起探索新技术,推进技术进步。
当前推荐算法主要依赖用户行为做相关性建模,基于正负反馈信号动态调整用户兴趣表示。这种建模方式在用户意图理解、复杂偏好刻画及跨领域知识利用和泛化性方面仍存在明显局限:一方面,行为信号往往稀疏且滞后,导致兴趣调节效率有限;另一方面,推荐模型缺乏对高维世界知识的有效提取、整合与推理能力,难以深入理解用户真实需求及其潜在偏好。尤其对于低活跃、低消费或行为样本不足的用户群体,现有方法较难显著提升推荐效果与用户体验。
近年来,大模型在知识表征、语义理解、逻辑推理和泛化能力方面展现出显著优势,为突破当下推荐系统瓶颈提供了新的技术路径。通过探索大模型与推荐系统的深度融合,有望增强系统对用户意图的精准感知能力,提升对复杂兴趣和长尾需求的理解水平,可进一步推动推荐系统向更加智能化、个性化和人性化的方向发展。
任职要求:
1、不限年级,本科及以上在读,计算机/人工智能/软件工程等相关专业优先;
2、扎实的编程能力和算法功底,熟练掌握Python/C++/Java等至少一种编程语言;
3、扎实的机器学习/深度学习理论基础,有大规模推荐系统、计算广告、搜索引擎等核心算法项目经验;
3、有LLM/MLLM等多模态理解技术背景,或大规模模型训练实际项目经验者优先;
5、在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先;
6、在顶级学术会议或期刊发表论文,或ACM编程竞赛/机器学习等竞赛获奖;
7、良好的沟通协作能力,责任心强,积极主动,能和团队一起探索新技术,推进技术进步。
免责声明:
此信息由小红书官网 (查看来源)审核并发布,我们转载该信息,仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“小红书官网”负责。我们作为信息转载平台,不构成求职建议,不涉及任何职业中介服务,不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎,自行判断并承担相应风险,求职请认准企业官方渠道!