推荐推荐算法

面向淘宝直播场景，结合淘宝大数据，通过算法建模解决直播场景下推荐/生态/营销问题，不限于： 1. 直播推荐：打造高效先进的推荐模型(召回/排序/重排)，在直播强实时特点下提升推荐效率； 2. 生态优化：深度参与设计主播冷启和成长模型、实时流量机制，加速主播成长； 3. 用户增长：在用户冷启、会场、push等用增场景的算法优化，提升直播用户规模； 4. 智能营销：在AI数字人、智能讲解、互动营销、智能组货等场景，通过前沿AI技术提升主播带货效率和体验； 生成式推荐： 1、AI for Rec: 研究如何利用模态对齐、用户行为CoT等技术手段, 基于LLM的推理能力和世界知识提升对用户个性化偏好的刻画，赋能电商场景下的模型预估，实现更精准的人货匹配； 2、生成式推荐: 包括推荐领域下生成式模型相较于判别式模型的优劣对比，生成式训练范式设计、生成式模型结构优化、基于RL的排序目标对齐等方向，设计有scale-up能力的模型方案； 3、ai-infra下的模型落地: 负责大模型infra下的预估模型落地，包括更加算力友好的算法方案设计、训练加速、线上部署、链路优化、计算复杂度优化等，推动先进