（27届 ASP）S&R&A-大规模推荐模型算法工程师

岗位介绍

我们致力于打造下一代生成式推荐系统，探索大模型时代推荐系统的新范式。

团队负责 Shopee 全球电商推荐核心算法研发，重点研究 HSTU、OneRec、OneTrans 等新一代生成式推荐模型，结合大语言模型、世界知识建模、生成式序列建模与判别式排序模型，推动推荐系统从传统 CTR/CVR Learning 向 Foundation Recommendation Model 演进。

你将直接参与亿级 DAU、万亿级特征规模的工业级推荐系统研发，与全球算法团队共同探索生成式 AI 在推荐系统中的前沿技术，并推动研究成果快速落地。

职位描述

参与生成式推荐基础模型研发，包括 HSTU、OneRec、OneTrans 等新一代推荐模型设计与优化。

探索 LLM、Reasoning、World Knowledge、Sequence Modeling 等能力在推荐系统中的应用，研究生成式与判别式推荐模型统一架构。

研究超大规模推荐模型训练与推理优化，包括 Distributed Training、Model Parallel、MoE、蒸馏、量化、KV Cache、推理加速等关键技术。

参与构建工业级 Foundation Recommendation Model，持续提升模型效果、训练效率与在线 Serving 性能。

与算法、平台、基础架构团队协同，推动生成式推荐技术在全球多国家、多业务场景中的规模化落地。

任职要求

基本要求

2027 届硕士或博士毕业，计算机、人工智能、机器学习、统计学等相关专业。

扎实的数据结构、算法、机器学习及深度学习基础。

熟练掌握 Python，熟悉 C++ 或 CUDA 等高性能编程语言之一。

熟悉至少一种主流深度学习框架（PyTorch、TensorFlow 等）。

具备优秀的问题分析能力、科研能力和工程实现能力，对生成式 AI 与推荐系统充满热情。

优先条件

满足以下一项及以上者优先：

在 NeurIPS、ICML、ICLR、KDD、WWW、SIGIR、ACL、EMNLP、CVPR、ECCV、ICCV 等国际顶级会议发表论文（包括一作或核心贡献）。

具有大厂搜广推、LLM、Agent、AIGC 等方向算法研发实习经历，参与过核心模型研发或线上系统优化。

熟悉 Transformer、LLM、Diffusion、Retrieval、Representation Learning、Sequence Modeling 等主流生成式模型。

在推荐系统、LLM、生成式 AI、强化学习等方向具有深入研究或项目经验。

熟悉大规模模型训练与推理优化，包括 FSDP、DeepSpeed、Megatron、vLLM、TensorRT-LLM、FlashAttention、模型并行等技术。

在 GitHub、Kaggle、开源社区、ACM/ICPC、NOI、CCF 等竞赛或开源项目中取得优秀成绩。