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": "北京-搜广推算法工程师(J101090)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "-本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-搜索算法研发：负责检索全链路优化：召回（向量召回、多路召回、倒排索引优化）、粗排/精排、多目标排序、搜索意图理解、query改写、纠错、类目匹配、相关性模型迭代，提升搜索点击率、转化率、搜索满意度指标\n-推荐系统算法研发：搭建用户个性化推荐体系，完成用户行为建模、兴趣挖掘、序列建模、多场景冷启动、多样性&公平性调控、长短期兴趣融合、多任务学习、推荐召回/排序/重排模型迭代，优化留存、时长、GMV、点击等核心业务指标\n-商业广告算法研发：负责信息流广告、搜索广告CTR/CVR预估、出价机制、预算调控、流量分配、广告生态平衡、转化归因、反作弊、ROI优化，平衡平台收益、广告主效果与用户体验\n-模型与工程落地：基于TensorFlow/PyTorch构建深度模型（DeepFM、DIN、DIEN、SASRec、Transformer、多目标MMOE、PLE、宽深系列等）；参与特征工程、样本筛选、离线训练、在线推理优化；设计A/B实验体系，通过数据实验验证算法收益并规模化上线\n-数据与策略迭代：深入分析用户行为日志、曝光点击转化数据，挖掘业务痛点；设计用户分层、流量分层、冷启动、生态调控策略；沉淀算法工具、特征平台、训练框架，提升团队迭代效率\n-前沿技术落地：跟进大模型、多模态、强化学习、图神经网络、LLM检索、个性化Agent等前沿技术，探索在搜广推场景落地，解决长尾召回、意图模糊、冷启动等行业难题",
"requirements_text": "-本科及以上学历，计算机、AI、应用数学、统计学、电子信息等相关专业；基础扎实，熟练掌握数据结构、算法、操作系统、计算机网络、数据库\n-扎实机器学习、深度学习理论基础：熟悉LR、GBDT、FM、DeepFM、DIN、SASRec、MMOE、多目标学习、强化学习、向量检索等搜广推经典模型原理\n-熟练使用Python，掌握至少一种深度学习框架（PyTorch/TensorFlow）；了解SQL、Hive/Spark大数据处理，能独立完成特征提取、离线数据分析\n-熟悉常用向量检索引擎优先：FAISS、Milvus、RecallDB；了解Redis、Kafka、分布式训练基础",
"skills": [AI生成
"Python",
"SQL",
"Redis",
"Spark",
"Kafka",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"数据结构",
"数据库",
"数据分析"
],
"preferred_qualifications": "熟悉常用向量检索引擎优先：FAISS、Milvus、RecallDB",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/1d6833eb-77b2-4e03-99d6-8a42d43dbae3"
}
]
},
"posting": {
"posting_id": "1d6833eb-77b2-4e03-99d6-8a42d43dbae3",
"post_date": "2026-07-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/1d6833eb-77b2-4e03-99d6-8a42d43dbae3"
},
"fulltext": "北京-搜广推算法工程师(J101090)\n北京-搜广推算法工程师(J101090)\n\n基础信息\n地点：北京市\n项目：校招\n类别：技术\n招聘人数：35\n发布时间：2026-07-21\n\n工作职责\n-搜索算法研发：负责检索全链路优化：召回（向量召回、多路召回、倒排索引优化）、粗排/精排、多目标排序、搜索意图理解、query改写、纠错、类目匹配、相关性模型迭代，提升搜索点击率、转化率、搜索满意度指标\n-推荐系统算法研发：搭建用户个性化推荐体系，完成用户行为建模、兴趣挖掘、序列建模、多场景冷启动、多样性&公平性调控、长短期兴趣融合、多任务学习、推荐召回/排序/重排模型迭代，优化留存、时长、GMV、点击等核心业务指标\n-商业广告算法研发：负责信息流广告、搜索广告CTR/CVR预估、出价机制、预算调控、流量分配、广告生态平衡、转化归因、反作弊、ROI优化，平衡平台收益、广告主效果与用户体验\n-模型与工程落地：基于TensorFlow/PyTorch构建深度模型（DeepFM、DIN、DIEN、SASRec、Transformer、多目标MMOE、PLE、宽深系列等）；参与特征工程、样本筛选、离线训练、在线推理优化；设计A/B实验体系，通过数据实验验证算法收益并规模化上线\n-数据与策略迭代：深入分析用户行为日志、曝光点击转化数据，挖掘业务痛点；设计用户分层、流量分层、冷启动、生态调控策略；沉淀算法工具、特征平台、训练框架，提升团队迭代效率\n-前沿技术落地：跟进大模型、多模态、强化学习、图神经网络、LLM检索、个性化Agent等前沿技术，探索在搜广推场景落地，解决长尾召回、意图模糊、冷启动等行业难题\n\n职责要求\n-本科及以上学历，计算机、AI、应用数学、统计学、电子信息等相关专业；基础扎实，熟练掌握数据结构、算法、操作系统、计算机网络、数据库\n-扎实机器学习、深度学习理论基础：熟悉LR、GBDT、FM、DeepFM、DIN、SASRec、MMOE、多目标学习、强化学习、向量检索等搜广推经典模型原理\n-熟练使用Python，掌握至少一种深度学习框架（PyTorch/TensorFlow）；了解SQL、Hive/Spark大数据处理，能独立完成特征提取、离线数据分析\n-熟悉常用向量检索引擎优先：FAISS、Milvus、RecallDB；了解Redis、Kafka、分布式训练基础\n-搜索算法研发：负责检索全链路优化：召回（向量召回、多路召回、倒排索引优化）、粗排/精排、多目标排序、搜索意图理解、query改写、纠错、类目匹配、相关性模型迭代，提升搜索点击率、转化率、搜索满意度指标\n-推荐系统算法研发：搭建用户个性化推荐体系，完成用户行为建模、兴趣挖掘、序列建模、多场景冷启动、多样性&公平性调控、长短期兴趣融合、多任务学习、推荐召回/排序/重排模型迭代，优化留存、时长、GMV、点击等核心业务指标\n-商业广告算法研发：负责信息流广告、搜索广告CTR/CVR预估、出价机制、预算调控、流量分配、广告生态平衡、转化归因、反作弊、ROI优化，平衡平台收益、广告主效果与用户体验\n-模型与工程落地：基于TensorFlow/PyTorch构建深度模型（DeepFM、DIN、DIEN、SASRec、Transformer、多目标MMOE、PLE、宽深系列等）；参与特征工程、样本筛选、离线训练、在线推理优化；设计A/B实验体系，通过数据实验验证算法收益并规模化上线\n-数据与策略迭代：深入分析用户行为日志、曝光点击转化数据，挖掘业务痛点；设计用户分层、流量分层、冷启动、生态调控策略；沉淀算法工具、特征平台、训练框架，提升团队迭代效率\n-前沿技术落地：跟进大模型、多模态、强化学习、图神经网络、LLM检索、个性化Agent等前沿技术，探索在搜广推场景落地，解决长尾召回、意图模糊、冷启动等行业难题\n-本科及以上学历，计算机、AI、应用数学、统计学、电子信息等相关专业；基础扎实，熟练掌握数据结构、算法、操作系统、计算机网络、数据库\n-扎实机器学习、深度学习理论基础：熟悉LR、GBDT、FM、DeepFM、DIN、SASRec、MMOE、多目标学习、强化学习、向量检索等搜广推经典模型原理\n-熟练使用Python，掌握至少一种深度学习框架（PyTorch/TensorFlow）；了解SQL、Hive/Spark大数据处理，能独立完成特征提取、离线数据分析\n-熟悉常用向量检索引擎优先：FAISS、Milvus、RecallDB；了解Redis、Kafka、分布式训练基础",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}