多模态大模型生成式搜推范式应用探索

1. 研发多模态商品理解模型，融合图像、文本、视频特征，优化跨模态特征对齐与检索算法； 2. 负责高质量多模态训练数据集构建，包含图像清洗、属性标注与图文匹配关系挖掘； 3. 探索多模态大模型在图像搜索领域的应用，提升模型在复杂商品数据上的泛化能力； 4. 设计多模态表征评测框架，集成自动化评估与人工审核机制，提升模型迭代效率； 5. 基于大语言模型（LLM）实现用户意图识别、生成式排序与重排及多目标优化； 6. 结合SFT、RLHF等技术实现生成式端到端推荐建模，持续优化搜推系统决策； 7. 利用奖励模型（Reward Model）与强化学习量化商业目标，构建长期生态价值体系； 8. 探索大模型推理机制，优化语义理解与认知能力，提升搜推系统的智能化水平。

1. 获得本科及以上学历，计算机、人工智能、自动化、数学、物理等相关专业； 2. 在CVPR、ICCV、NeurIPS、KDD、SIGIR、WWW、RecSys、ICLR、ICML、ACL等顶会有高质量论文发表记录，或在开源社区有突出贡献； 3. 精通PyTorch或TensorFlow，熟悉Llama、CLIP、BLIP等大模型调优及Hugging Face工具链； 4. 具备扎实的机器学习与深度学习基础，在多模态学习领域有模型训练与调试经验； 5. 熟悉大语言模型（LLM）基础原理，了解RecGPT、多Agent系统等前沿生成式推荐技术； 6. 具备良好的跨团队协作与项目管理能力，对大模型在搜推系统中的落地具有高度热情。