【北斗】大模型算法工程师—生成式搜推广告算法

Job description

【愿景】 我们致力于构建健康的本地商业生态，通过为平台客户和消费者提供符合其需求的多元、便捷、高效的商业产品和服务，帮助生态伙伴提高效率、优化经营、实现持续健康发展，推动本地商业数字化营销的发展，促进商业生态繁荣。 【你将参与】

多模态理解与表征技术研究

• 运用多模态技术理解异构本地生活供给（图文/商品/门店/短视频），通过跨模态对齐、多模态预训练、SID编码等方式为召排模型提供高质量表征输入。

LLM 与协同信号融合建模

• 将 LLM 的语义理解与推理能力和协同过滤信号深度融合，通过指令微调、CoT 推理增强、协同信号注入等方式，构建兼具行为记忆力与语义泛化力的统一广告模型。

生成式召排链路升级

• 探索生成式技术对召回、预估、重排的系统性改造，推动广告系统端到端统一建模；研究广告场景下 Scaling 规律，建立模型规模与业务指标的可预测转化关系。

Agent 自迭代能力构建

• 探索基于 LLM 的广告系统自演进框架，利用 Multi-Agent 自动化特征工程、样本挖掘、实验分析等研发环节，构建模型基于线上反馈持续自迭代的能力。 【任职资格】 必要条件： 1.2027届本科及以上学历，计算机、人工智能等相关专业； 2.熟练掌握 Python，熟悉 PyTorch 等主流深度学习框架； 3.

扎实的机器学习/深度学习理论基础，对推荐系统、NLP、多模态、LLM 中至少一个方向有深入研究或项目经验； 加分项

• 在 NeurIPS、ICML、ICLR、KDD、WWW、RecSys 等顶会发表论文；
• ACM-ICPC、Kaggle 等顶级算法竞赛获奖；
• 有大厂广告/推荐系统相关实习经验。 【为什么是我们】

高价值课题，真实场景验证

• 多模态理解、LLM 与协同信号融合、生成式召排均为工业界广告算法的核心攻坚方向，研究成果直接在日均亿级请求的线上系统中验证，兼顾技术前沿性与业务落地价值。

充足算力保障

• 配备充裕 GPU 集群资源，大规模模型训练与 Scaling 实验不受资源瓶颈制约。

学术与业务双向转化

• 技术方向与 NeurIPS、KDD、RecSys 等顶会研究高度对齐，支持论文产出；研究成果同步快速上线，实现学术影响力与业务价值双收。

强带教，深度成长

• 资深算法专家 1v1 全程指导，深度参与核心技术方案与实验决策，获得系统性的工业界算法研发训练，而非边缘支撑性工作。