（27届 ASP）S&R&A-推荐算法工程师（生成式重排模型方向）

负责 Shopee 主站电商推荐系统中生成式重排框架（如GE、Generator only）和生成式重排模型（如 HSTU、OneRec、OneTrans 等）在超大规模流量场景（亿级DAU、万亿级特征）下的工程化落地与性能优化，推动生成式推荐范式在工业级系统中的稳定运行与持续演进。

​

工作内容

1.设计并落地合理的生成式重排模型，包括重排框架设计(GE, Generator only)、模型结构设计（如 HSTU、OneRec、OneTrans 等）及优化创新。

2.设计并落地生成式重排模型在推荐场景中的大规模 Serving 与 Training 架构，保障高吞吐、低延迟与高稳定性。

3.主导生成式重排模型在推荐系统中的Scaling 路径优化，包括模型压缩、蒸馏、量化、并行训练与推理加速。

4.构建生成式推荐的工程基础设施（训练、推理、特征、缓存、调度等），提升系统整体效率与资源利用率。

5.探索 LLM 的世界知识与推理能力在推荐中的应用，推动生成式与判别式模型的融合与统一架构演进。

6.与算法、工程、平台团队协作，推动生成式推荐在多国家、多业务场景下的规模化落地与效果提升。

1.计算机、人工智能、软件工程等相关专业硕士及以上学历，扎实的机器学习/深度学习基础，熟悉推荐系统或大模型相关技术体系。

2.有生成式推荐或 LLM 相关经验（预训练、微调、RLHF、推理优化等），理解生成式范式与传统推荐的差异与融合路径者优先。

3.编码能力优秀（Python/C++），具备良好的工程习惯与系统设计能力，有高并发、高吞吐在线系统优化经验者优先。

4.在生成式推荐、LLM 或系统优化方向有论文发表或开源项目经验者优先