微信视频号-全域兴趣驱动的生成式推荐与促活系统研究

课题背景： 视频号推送和双流推荐场景，是连接微信全域生态与视频号海量供给的核心高频入口，需解决如何高效融合微信多模态行为数据，实现低活用户隐式兴趣捕捉和动态更新；需攻克如何利用点击率等实时后验反馈数据对大模型进行闭环微调，以实现高转化率素材生成；需解决在毫秒级延迟约束下，如何将超大参数生成式模型高效部署于高并发促活场景，以提升全链路促活效率。 课题挑战：

1. 01

   探索基于LLM的全微信域兴趣深度encode体系

2. 02

   探索建立基于后验数据的生成式文案自适应优化机制

3. 03

   探索超大参数生成式推荐模型在高频点击场景的实时落地 具体工作：

4. 01

   素材生成和推荐联动的大模型设计与研究；素材LLM全链路设计和后训练规划

5. 02

   生成式推荐研究；模型Scaling研究；素材生成点击率和合规率提升

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；良好的表达和沟通能力 加分项： 对LLM或推荐的学术前沿方向有极强的理解，有较丰富的高质量学术产出；生成式相关落地的履历；良好的表达和沟通 头部学校或竞企实习履历；生成式相关落地的履历；良好的表达和沟通。 此课题同时招聘应届实习生和低年级实习生。