主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "千问事业部-推荐算法高级专家（UC信息流）-北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "夸克",
"company_industry": "互联网 / 人工智能应用",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "夸克提供AI搜索等人工智能应用服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 7,
"degree": "计算机、人工智能、数学、统计学等相关专业本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责 UC 信息流核心推荐算法，包括召回、排序、用户画像、推荐策略及生成式推荐创新；对信息流 DAU、留存、时长、分发效率等核心指标负责。\n2.制定并落地 UC 信息流推荐技术路线图，深入迭代生成式召回、HSTU 精排、LLM 画像、跨场景建模等方向。\n3. 应用机器学习/深度学习技术（如DNN、Graph Neural Networks、多任务学习、序列建模、生成式推荐等）改善用户体验。",
"requirements_text": "1.计算机、人工智能、数学、统计学等相关专业本科及以上，硕士 / 博士优先。\n2.7年以上推荐系统 / 搜索 / 广告算法相关经验，2 年以上团队管理经验；\n3.精通推荐系统全链路，包括召回（U2I / I2I / 向量检索）、排序（精排 / 重排）、特征工程。\n4.深入理解生成式推荐、序列模型、大模型在推荐中的应用，有 HSTU / SASRec / LLM4Rec 等方向实践经验者优先。\n5.优秀的团队管理与人才培养能力，能在 10 人左右算法团队中建立高效协作机制。",
"skills": [AI生成
"团队管理",
"大语言模型"
],
"preferred_qualifications": "1.计算机、人工智能、数学、统计学等相关专业本科及以上，硕士 / 博士优先；4.深入理解生成式推荐、序列模型、大模型在推荐中的应用，有 HSTU / SASRec / LLM4Rec 等方向实践经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.quark.cn/off-campus/position-detail?positionId=100031720001"
}
]
},
"posting": {
"posting_id": "100031720001",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100031720001"
},
"fulltext": "千问事业部-推荐算法高级专家（UC信息流）-北京\n千问事业部-推荐算法高级专家（UC信息流）-北京\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京\n\n职位描述\n1.负责 UC 信息流核心推荐算法，包括召回、排序、用户画像、推荐策略及生成式推荐创新；对信息流 DAU、留存、时长、分发效率等核心指标负责。\n2.制定并落地 UC 信息流推荐技术路线图，深入迭代生成式召回、HSTU 精排、LLM 画像、跨场景建模等方向。\n3. 应用机器学习/深度学习技术（如DNN、Graph Neural Networks、多任务学习、序列建模、生成式推荐等）改善用户体验。\n\n职位要求\n1.计算机、人工智能、数学、统计学等相关专业本科及以上，硕士 / 博士优先。\n2.7年以上推荐系统 / 搜索 / 广告算法相关经验，2 年以上团队管理经验；\n3.精通推荐系统全链路，包括召回（U2I / I2I / 向量检索）、排序（精排 / 重排）、特征工程。\n4.深入理解生成式推荐、序列模型、大模型在推荐中的应用，有 HSTU / SASRec / LLM4Rec 等方向实践经验者优先。\n5.优秀的团队管理与人才培养能力，能在 10 人左右算法团队中建立高效协作机制。\n1.负责 UC 信息流核心推荐算法，包括召回、排序、用户画像、推荐策略及生成式推荐创新；对信息流 DAU、留存、时长、分发效率等核心指标负责。\n2.制定并落地 UC 信息流推荐技术路线图，深入迭代生成式召回、HSTU 精排、LLM 画像、跨场景建模等方向。\n3. 应用机器学习/深度学习技术（如DNN、Graph Neural Networks、多任务学习、序列建模、生成式推荐等）改善用户体验。\n1.计算机、人工智能、数学、统计学等相关专业本科及以上，硕士 / 博士优先。\n2.7年以上推荐系统 / 搜索 / 广告算法相关经验，2 年以上团队管理经验；\n3.精通推荐系统全链路，包括召回（U2I / I2I / 向量检索）、排序（精排 / 重排）、特征工程。\n4.深入理解生成式推荐、序列模型、大模型在推荐中的应用，有 HSTU / SASRec / LLM4Rec 等方向实践经验者优先。\n5.优秀的团队管理与人才培养能力，能在 10 人左右算法团队中建立高效协作机制。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}