【北斗】广告大模型应用算法工程师-【多国多语言LLM-based 推搜广告】

Job description

【愿景】 随着美团业务向多个海外市场拓展，推荐与搜索系统面临多国家、多语言场景下的核心技术挑战：一方面，不同语言的语义理解差异、跨语言迁移能力不足、低资源语言数据稀缺等问题制约了搜索相关性体验；另一方面，各国市场用户行为模式、文化偏好、消费习惯差异显著，传统推荐系统难以在多国场景下实现统一建模与高效迁移。本岗位致力在打造面向多国多语言场景的推荐搜索一体化解决方案，融合多语言语义理解与大语言模型（LLM）能力，构建具备跨国泛化能力的推荐搜索系统，全面提升境外业务的用户体验与转化效率。 【你将参与】 方向一：多国多语言搜索相关性

多语言语义表征建模

• 基于多语言预训练模型（如mBERT、XLM-R等），结合本地化业务数据，构建适配多国语言的搜索相关性表征模型，提升跨语言语义对齐能力。

低资源语言相关性增强

• 针对数据稀缺的小语种市场，探索数据增强、跨语言迁移学习、零/少样本学习等技术，提升低资源语言下的相关性判断能力。

多国统一相关性评估体系

• 设计面向多国多语言场景的相关性评估框架，结合人工标注与模型自动评估，构建可扩展的多语言相关性基准。

方向二

LLM-based 多国家统一推荐

LLM驱动的跨国用户意图理解

• 基于多语言LLM，对不同国家用户的行为序列与搜索意图进行统一建模，提升跨国场景下的用户偏好理解能力。

多国统一推荐基座模型

• 探索以LLM为基座，通过多国数据联合训练与国家/文化特征注入，构建可快速适配各国市场的统一推荐模型，降低多国分治的维护成本。

跨国冷启动与迁移学习

• 针对新兴市场数据稀缺问题，研究基于LLM的跨国知识迁移与冷启动方案，提升新市场推荐效果的快速收敛能力。 【任职资格】 必要条件： 2027届本科及以上学历，计算机、人工智能等相关专业，且以下条件至少满足一项：
• 在NLP、IR、RecSys等方向的顶级会议（ACL、EMNLP、SIGIR、KDD、WWW、NeurIPS等）以第一作者身份发表论文（或导师一作，自己为二作）。
• 在Kaggle、ACM-ICPC等顶级大赛上获奖。
• 有大厂实验室的实习经验，或有贡献突出的开源项目。

加分项

1.有多语言NLP、跨语言迁移学习相关研究经验；熟悉LLM微调、RLHF等技术；有推荐系统或搜索引擎相关项目经验。 【为什么是我们】

多国多地区真实业务场景

• 覆盖中国香港、沙特、阿联酋、巴西等多国市场，直面全球化技术挑战。

前沿技术深度探索

• LLM+推搜广告系统前沿课题，推动下一代生成式推搜范式。

丰富数据与算力支持

• 多国多语言真实数据，充裕GPU算力资源。

顶级团队带教

• 可合作发表顶会论文。