对搜推广算法，以及对大模型/多模态等前沿技术在业务场景落地有兴趣的，欢迎咨询和投简历：

联系方式：wenshiyang@kuaishou.com；或加微信：shawnwenbj

以下职位描述仅供参考~

职位描述：

1、参与快手商业化系统核心模型、机制、策略算法的研究及开发工作；

2、针对每天数亿网民 & 亿级广告库，参与研发业界领先的超大规模深度学习推荐模型，通过输入端、判别层、输出端建模优化，更精准地实现千人千面，包括但不限于 meta learning、图学习、多模态建模、对比学习等前沿技术研究；

3、参与研发业界领先的广告智能投放平台，通过大模型、应用运筹优化、强化学习、联邦学习、CV & NLP（视频理解、生成）等前沿技术，提升广告主投放的长短期收益；

4、针对每天百亿流量 & 数十种差异化场景，参与设计、实现创新的拍卖机制和分配算法，运用博弈论、计算经济学、uplift 建模 / 因果推断，参数模型化等技术和理论，探索给定资源约束下最大化流量和生态长短期价值的最佳机制策略实践。

团队介绍：

商业化算法部是快手商业化的核心算法部门，负责外部广告主及内部电商客户在快手站内外场景的广告投放，主要技术职责包括：

1、广告推荐模型针对每天数亿网民 & 亿级广告库设计实现召回、排序（点击率、转化率）模型，实时个性化预估用户对不同种类广告的多类型行为概率；研发业界领先的超大规模深度学习模型，通过输入端、判别层、输出端建模优化，端到端的用户兴趣挖掘与广告内容理解，结合 meta learning、图学习、多模态建模等前沿技术，更精准地实现千人千面；

2、客户策略算法

构建业界领先的广告智能投放平台，通过售卖机制智能、投放工具智能、创意素材智能建设，深耕行业策略优化，更好地满足广告主营销诉求，最大化广告主投放的长短期收益；

充分应用运筹优化、强化学习、联邦学习、CV & NLP（视频理解、生成），博弈论等前沿技术，构建多 agent 博弈（平台与客户，客户之间）下的智能营销平台，实现平台和客户的多方利益优化；

3、 流量机制策略针对每天百亿流量请求 & 数十种差异化场景，设计创新的拍卖机制和分配算法，在自然推荐、广告、电商、直播等多种流量混排下，提升快手商业化整体变现能力；运用博弈论、计算经济学、uplift 建模 / 因果推断，参数模型化等技术和理论，探索给定资源约束下最大化流量和生态长短期价值的最佳机制策略实践。