微信视频号-加热大模型驱动的跨域推荐与商业化全链路优化研究

课题背景： 微信视频号加热服务于创作者/商家，是他们付费进行助推和主动冷启的工具。面临亿级用户、超长序列及多场景跨域推荐的挑战，以及稀疏场景下内容冷启动难等问题，需开展超大推荐模型研究，以提升推荐精准度与商业变现效率。 课题挑战：

1. 01

   攻克超长序列高效建模；

2. 02

   探索生成式推荐在视频号加热中的落地；

3. 03

   探索高效Scaling Up结构，在成本可控的前提下提升模型容量，优化分发效率；

4. 04

   使用LLM或VLLM增强系统对内容的识别能力，或引入世界知识提升效果。 具体工作： 负责视频号加热算法研发，提升全链路用户体验与变现效率。

学历和专业要求：计算机科学、人工智能、数据科学等相关专业的博士 / 硕士研究生，具备扎实的算法理论基础。 技术技能要求： 精通深度学习框架，熟悉超大模型训练；掌握推荐系统、召回 / 排序算法及多目标优化机制；具备LLM开发、调优经验。 软性素质要求： 具备极强的逻辑推理能力与跨团队协作能力，对技术细节有极致追求，能够独立推动算法项目从模型研发到线上落地的全流程。