【快Star】大模型Agent算法工程师-短视频推荐方向

负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；

结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；

探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；

基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；

跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。 加入我们，你将获得：

计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；

熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；

熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；

熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；

熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；

具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；

对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；

在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。