职位描述：1. 负责面向短视频推荐场景的大模型 Agent 能力建设，探索 LLM 在推荐系统中的新范式，打造具备自主规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）、多 Agent 协同（Multi-Agent）等能力的智能推荐 Agent；
2. 结合大语言模型、多模态大模型及推荐系统，构建内容理解、用户理解、策略生成、创作者服务等 Agent 能力，提升推荐效果、用户体验及内容生态质量，实现用户、创作者与平台的长期共赢；
3. 探索 Agent 在推荐全链路中的应用，包括但不限于内容消费、内容生产、创作者成长、策略优化、实验分析、算法研发辅助等方向，推动推荐系统从传统模型驱动向 Agent 驱动演进；
4. 基于海量用户行为、多模态内容及知识数据，探索 LLM、VLM 与推荐模型的融合方案，包括 Representation Learning、Reward Modeling、Agent RL等方向，持续优化推荐核心指标（时长、留存、互动、VV、满意度等）；
5. 跟踪 Agent、LLM、Reasoning、世界模型（World Model）、强化学习等前沿技术发展，结合业务场景快速完成技术验证并推动落地。

加入我们，你将获得：
1. 探索推荐系统的下一代技术范式。 从传统推荐模型迈向 Agent 驱动的智能推荐，参与行业前沿技术创新。
2. 拥有丰富的真实业务场景。 面向亿级用户、千万级创作者及海量内容，在真实推荐场景中验证和迭代 Agent 能力。
3. 充足的数据与算力资源。 依托大规模推荐系统和大模型基础设施，探索 LLM、Agent 与推荐融合的最佳实践。
4. 技术成长空间广阔。 深度参与大模型、推荐系统、强化学习、多模态、Agent 等多个热点方向，推动科研成果快速转化为业务价值。
任职要求：1. 计算机、人工智能、机器学习、数学、统计学等相关专业，具备扎实的数据结构、算法及机器学习基础；
2. 熟悉 Python、C++ 等至少一种编程语言，具备优秀的工程实现能力，熟悉 Linux 开发环境；
3. 熟悉 Transformer、大语言模型、多模态大模型等相关技术，理解 Prompt Engineering、Agent、RAG、Function Calling、Memory、Tool Use 等主流 Agent 技术体系，并具备实际项目经验者优先；
4. 熟悉推荐算法、搜索、广告、内容理解、NLP、CV、强化学习等方向之一，具有大规模推荐系统或互联网 AI 产品实践经验者优先；
5. 熟悉 PyTorch、TensorFlow 等深度学习框架，具备模型训练、推理优化及大规模分布式训练经验者优先；
6. 具备优秀的问题分析能力和创新能力，能够快速阅读论文、复现前沿工作，并结合业务场景完成创新和落地；
7. 对 AI Agent、Reasoning、AIGC、世界模型、多 Agent 系统等前沿方向保持持续关注，具有较强的技术热情和探索精神；
8. 在 ICML、NeurIPS、ICLR、KDD、WWW、WSDM、ACL、EMNLP、CVPR、ECCV、ICCV、RecSys 等国际会议发表论文者优先。