QQ音乐推荐算法工程师

负责腾讯音乐集团相关产品推荐算法的设计实现与优化；

搭建并迭代音乐垂类用户建模、音频多模态内容理解体系，基于用户行为、音频特征、词曲标签、歌手知识图谱开展深度数据挖掘，设计适配音乐场景的匹配、兴趣演化、冷启动策略；

跟进推荐领域前沿技术，落地 LLM 大模型、生成式推荐、向量检索、GNN、多任务学习等新技术，融合大模型语义能力优化音乐语义召回、个性化歌单生成、长尾歌曲分发能力；

完善大规模分布式训练 / 推理框架、特征平台、实验基建，优化推荐系统性能、延迟与资源成本，保障亿级用户高并发场景稳定运行；

通过数据分析、AB 实验定位业务与算法短板，持续迭代模型与策略，平衡推荐精准度、多样性、新颖度、公平性，最终提升收听时长、留存、付费转化等核心业务指标；

联动产品、工程、数据团队对齐业务目标，沉淀算法方案、评测体系，推动技术方案标准化复用。

硕士及以上学历，计算机、人工智能、统计学、应用数学、电子信息、音乐声学等相关专业；有计算机视觉 / NLP / 音频算法背景优先；

扎实机器学习、深度学习理论功底，熟悉多目标建模（MMOE）、深度排序、向量召回等主流推荐技术；熟悉LLM4Rec、生成式推荐优先；

扎实工程开发能力，精通 Python，熟练使用 C++/Go 其中至少一门高性能开发语言；熟练使用TensorFlow/PyTorch 搭建训练模型；

熟悉大数据分布式计算生态（Spark/Hive/Flink），具备亿级样本分布式训练、实时特征工程、ANN向量检索落地实战经验；

熟悉推荐系统完整工程链路，有音乐 / 长音频 / 流媒体推荐落地经验者优先；了解音频特征提取、音乐标签体系、声学建模加分；

具备严谨的实验思维，熟练设计、复盘 AB 实验，能够从数据角度归因算法收益；具备良好沟通协作、逻辑表达能力；

音乐爱好者、熟悉流媒体音乐产品生态优先。