工作职责： 1、复现并改进推荐系统领域前沿论文（如 LLMRank、RecGPT 等 LLM+推荐方向）的核心架构，在公开数据集上完成实验验证并输出评估报告。 2、参与用户记忆（Memory）系统的设计与实现，包括用户行为信号采集、画像生成（从情景记忆到语义压缩）、检索与更新机制，并探索其在推荐链路中的创新应用。 3、设计并执行 A/B Test 实验，完成离线指标（如 AUC、MRR、NDCG）评估与线上效果归因分析。 4、参与基于大语言模型的推荐模型微调与部署工作，包括训练数据构建、高效微调（如 QLoRA）及推理服务搭建。 任职要求： 1、计算机科学或相关专业硕士在读，熟练掌握 Python 编程语言。 2、具备以下至少一项实践经验（需能清晰阐述技术实现逻辑）： 　- 参与过 Kaggle、天池等平台的推荐系统竞赛，熟悉召回→排序→重排的完整 pipeline； 　- 搭建过多智能体（Multi-Agent）系统，理解 Agent 循环、工具调用与记忆管理机制； 　- 熟悉主流基于记忆（Memory-based）的 AI 系统架构设计。 3、具备大语言模型监督微调（SFT）或强化学习对齐（如 RLHF）的实际操作经验，了解 LoRA、QLoRA 等参数高效微调技术原理。 4、加分项：了解 vLLM 或 SGLang 等推理加速框架；阅读过 LLM+推荐方向的前沿论文；了解 ReAct 或工具调用型智能体的实现原理；具备推荐系统工程经验（如埋点、特征工程、在线服务）。