负责外卖搜索核心链路建设:面向用户“找店/找菜/找品牌/找优惠”需求,设计并迭代召回、粗排、精排、重排、融合等策略,提升搜索 GMV、转化率与用户满意度
相关性与意图理解:建设 Query 解析、纠错/联想/改写、意图识别、实体识别(门店/品类/菜品/规格/口味/价格段等)、同义归一与知识图谱/词典体系,提升检索准确性与覆盖
多路召回与向量检索:落地词法/语义/图召回、Embedding 向量召回、用户个性化召回与时空/供给约束召回,优化召回效率与效果(QPS、延迟、成本)
排序与学习算法优化:基于 L2R、深度排序模型(DNN/Transformer 等)、多任务学习、样本与特征工程,提升 CTR/CVR、下单率、客单价、履约可达性与供给匹配
外卖业务特有约束建模:将配送时长、距离、营业状态、库存/售罄、起送价、满减/优惠、口味偏好、时段热点等因素纳入检索与排序决策,平衡用户体验与平台效率
系统与工程落地:与搜索平台/推荐/广告/数据/业务团队协作,推进检索引擎、特征服务、模型服务、实时/离线数据链路、缓存与降级方案建设,保障稳定性与可扩展性
技术前沿与成本优化:跟进 LLM/RAG、多模态检索、知识增强、蒸馏与推理加速等方向,在保证效果的同时优化线上延迟与算力成本