P资深算法工程师（搜索召回/排序）-南京/上海

负责电商搜索核心算法的研发与优化，包括 搜索召回、排序、重排等核心模块，提升搜索相关性和用户体验。

结合用户行为数据（曝光、点击、加购、成交等），构建并优化 CTR / CVR / GMV 等多目标排序模型，持续提升搜索效率指标。

设计并优化搜索 召回策略体系，包括文本召回、语义召回、向量召回、i2i/u2i 等多路召回策略，提升搜索结果的覆盖率与质量。

负责 搜索特征工程建设，包括用户行为特征、商品特征、query 意图特征等，并持续探索新的有效特征。

构建和优化搜索 深度学习模型，如 DIN / DSSM / BERT / Transformer 等，提升 query-item 相关性理解能力。

参与搜索 大模型能力探索与落地，包括 query 改写、语义理解、AI 搜索等新型搜索范式。

通过 A/B 实验、离线评估、线上监控 等方式持续评估算法效果，推动搜索指标（CTR、转化率、GMV）提升。

与产品、数据、工程团队协作，推动搜索算法能力在业务中的落地和规模化应用

计算机、机器学习、数据挖掘等相关专业，本科及以上学历。

熟悉 机器学习或深度学习算法，掌握 CTR / Ranking 模型（如 LR、GBDT、DeepFM、DIN 等）。

熟悉 搜索或推荐系统架构，理解召回、粗排、精排、重排等核心模块。

熟练使用 Python / Java / C++ 中至少一种语言，具备良好的工程能力。

熟悉 TensorFlow / PyTorch 等深度学习框架，有模型训练与优化经验。

具备良好的数据分析能力，能够使用 SQL / Hive / Spark 等工具进行数据分析。

有较强的技术好奇心和问题拆解能力，能够通过数据驱动持续优化算法效果。 加分项

有电商搜索 / 推荐系统 / 广告排序 相关经验。

熟悉 大规模机器学习系统，如特征平台、在线推理、模型训练 pipeline 等。

有 NLP / 大模型（LLM）在搜索或推荐中的应用经验。

熟悉 向量检索 / embedding 召回 / ANN 检索（FAISS / Milvus / HNSW）。

在 KDD / SIGIR / WWW / RecSys 等相关领域发表论文或有开源项目经验