Lenovo

岗位职责：
1. 负责推荐系统全链路算法研发与优化，覆盖语义召回、多模态粗排、精排、智能重排、动态兜底核心模块，搭建端到端推荐链路，持续优化点击率、转化率、用户留存、LTV等核心业务指标，驱动算法效果稳步提升。
2. 设计并迭代大规模、高可用、低延时的智能推荐算法体系，基于海量用户行为、多模态内容及场景数据，融合传统深度学习与大模型生成式推荐范式，搭建可扩展、可监控的算法基建，支撑亿级流量的离线训练与在线实时推理服务。
3. 攻坚推荐场景核心痛点，针对用户/内容冷启动、数据稀疏、长尾分发、多目标权衡、模型偏差漂移、长短效指标冲突等问题，结合因果推理、生成式算法开展技术创新，破解业务瓶颈，提升推荐精准度与公平性。
4. 主导大模型与Agent技术在推荐场景的创新落地，深耕LLM原生推荐、生成式推荐、Agentic智能推荐方向，落地CoT推理、多模态语义理解、用户深层意图挖掘、指令微调、工具调用、RAG知识增强等技术，解决传统模型语义弱、冷启动差、个性化不足等问题，实现推荐能力升级。
5. 搭建并迭代大模型推荐Agent架构，构建用户记忆建模、场景规划、智能决策、反馈校验、闭环自优化的全流程体系，支持单Agent精细化推荐与多Agent协同调度，推动推荐从被动匹配向主动感知、自适应迭代、可解释决策升级，提升用户体验与系统自适应能力。
6. 持续跟进业界前沿技术，聚焦生成式推荐、因果推断推荐、多模态大模型推荐、MoE混合专家检索、Agent协同过滤、可验证推理推荐等方向，结合业务完成技术创新与规模化落地，推动团队算法体系持续迭代。
7. 搭建适配传统模型与大模型Agent推荐的全链路评测体系，整合离线评测、仿真推演、在线AB实验、长周期效果追踪与Agent决策校验，构建长短效结合的量化评估体系，保障算法迭代科学可控、风险可预判、效果可衡量。
8. 协同产品、工程、数据、商业化团队，完成算法方案设计、实验验证、工程上线、监控迭代全流程闭环，对齐业务增长目标，赋能用户增长、内容分发与商业化提效。

岗位要求：
1. 精通推荐系统全链路技术原理，熟悉召回、粗排、精排、重排及兜底策略，掌握传统匹配与生成式推荐的融合范式，具备亿级流量大规模推荐系统落地与迭代经验。
2. 熟练掌握PyTorch、TensorFlow深度学习框架，精通DeepFM、DIN、DIEN、Transformer等经典推荐模型，熟悉大模型推荐、多模态推荐、Agent推荐前沿架构，具备生成式推荐、语义检索相关落地实战经验。
3. 具备扎实的机器学习、数据挖掘功底，精通特征工程、样本构建、模型训练、蒸馏调优、离线评测与在线AB实验全流程，熟悉模型量化、推理加速等工程优化方案。
4. 深入理解大模型、多模态模型与Agent在推荐场景的应用，熟悉LLM4Rec、推理增强推荐、多Agent协同、KG-RAG、MoE专家检索等技术；熟练掌握大模型微调、Prompt工程、CoT推理、工具调用、用户记忆与偏好对齐技术，有规模化落地经验。
5. 掌握前沿智能推荐技术，熟悉因果去偏、主动式Agent推荐、闭环自优化、多模态统一推理、可解释推荐、多目标强化学习等方向，可结合业务完成技术创新与落地迭代。
6. 具备优秀的业务建模与数据分析能力，可精准定位业务问题、定义优化目标，独立完成算法方案设计、实现、验证与迭代，具备较强的技术攻坚与创新能力。
7. 逻辑清晰、方案表达能力强，具备优秀的跨团队沟通协作与项目推动能力，结果导向，可高效推进算法方案落地与业务目标达成。

* China - Beijing - 北京（Beijing）