携程
资深搜推算法工程师(MJ037315)
资深搜推算法工程师(MJ037315)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Ctr/Cvr优化
Mmoe
Pytorch
Tensorflow
业务建模
多目标优化
推荐系统
深度学习
算法架构
值不值得投
78综合评分
综合评分 78
战略级重点项目、技术探索自由度高、扁平高效，但需强自驱抗压，WLB待确认。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比推荐系统中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 620 个在招
市场机会
选择适中
上海 · 推荐系统 · 36 个在招
职位详情
关于这个职位
负责携程核心推荐系统的算法策略优化与架构设计，深入理解业务逻辑并拆解为可量化的算法问题
主导召回、排序等核心模型的迭代，兼顾短期转化与长期留存价值
作为技术合伙人协同产品运营团队，推动内容生态创新与业务增长
最低要求
业务敏锐度（关键）：具备极强的业务理解力与数据敏感度，拒绝“模型至上”思维，善于从纷繁复杂的业务现象中提炼核心矛盾，并具备用技术手段解决非标准业务问题的成功案例
算法与工程底座：计算机、数学或统计学相关专业背景，扎实的数据结构与算法功底
精通主流推荐算法（DeepFM, DIN, MoE等）及深度学习框架（TensorFlow/PyTorch），并深刻理解算法背后的数学原理与业务适用边界
多目标与多场景优化能力：熟悉业界主流的多任务多场景学习（MMoE、PLE，PEPNET等）、多目标排序及动态权重调控策略
有在复杂业务中，平衡多个相互关联甚至冲突的业务目标（如点击率与内容消费时长、短期转化与长期留存）并取得显著提升的实战经验
具备跨场景策略统筹视角
策略规划能力：有独立牵头复杂算法项目或业务模块的经验，具备全局视野，能够制定分阶段的演进策略，并在跨部门协作中展现出技术影响力，推动项目落地
自驱与抗压：具备优秀的逻辑思维与沟通协作能力，结果导向
面对模糊的业务边界有极强的破局能力，对解决挑战性问题充满激情
工作职责
业务建模与策略驱动：深入理解业务核心逻辑与用户生命周期，主动识别业务痛点与增长机会
能够将复杂的业务目标拆解为可量化的算法问题，牵头制定推荐系统的整体技术路线与迭代规划
核心算法优化：负责推荐场景（召回/排序/重排/混排等）的核心模型与策略优化，在提升CTR/CVR等基础指标的同时，对留存、LTV（生命周期价值）、生态多样性等长期业务价值负责
多目标与多场景优化：负责设计并实现兼顾短期体验与长期价值的多目标优化框架（如转化、时长、互动、留存等）
具备多场景推荐（如不同用户生命周期阶段、内容形态、产品模块）的策略设计与协同优化经验，实现业务整体价值最大化
跨团队协同与赋能：作为技术侧的业务策略合伙人，与产品、运营团队深度协同
从数据与技术视角出发，反向输入策略建议，推动产品机制与运营玩法的创新，促进平台内容生态的良性循环
优先资格
加分项：在内容生态治理、冷启动破局、长尾分发等复杂策略领域有独到见解者优先
有顶级会议论文或竞赛获奖者优先
AI 洞察
优缺点分析
优点
- 参与公司战略级重点项目，享有充足的算力资源与高质量数据权限
- 团队扁平高效，技术决策参与度高，想法能快速验证
- 从0到1搭建系统，拥有完整的场景所有权与技术探索自由度
- 面对模糊业务边界需快速破局，对综合能力与抗压性要求极高
- 精干团队意味着个人需承担较重的端到端交付责任
- 适合追求技术深度与业务影响力结合、具备强自驱力与跨部门协同能力，且能在高压环境下持续产出成果的资深算法工程师
缺点 / 挑战
- 需同时平衡点击率、转化率、留存等多重冲突指标，优化难度与试错成本较高
角色解读
- 向首席算法专家或推荐架构师方向发展
- 可横向拓展至搜索、广告、全链路个性化推荐领域
- 逐步承担技术战略规划与核心算法团队建设职责
- 负责推荐系统核心算法模型的设计、训练与线上调优
- 将抽象的业务目标转化为可量化的算法指标与策略方案
- 主导多目标与多场景推荐框架的迭代升级
- 协同产品与运营团队，以数据技术反哺业务创新
- 精通深度学习框架与主流推荐算法，具备扎实的数学与数据结构基础
- 熟练掌握多任务学习、动态权重调控及A/B实验设计
- 拥有极强的业务拆解能力与数据敏感度
- 具备复杂项目统筹与跨部门技术影响力
申请策略
- 提前研究携程内容生态与推荐业务现状
- 准备针对“多目标权衡”与“冷启动”的具体解题思路
- 面试时着重展现技术选型背后的业务适配思考
- 突出主导过的推荐系统核心模块优化案例
- 量化展示CTR/CVR提升及长期业务指标改善成果
- 强调多目标优化与复杂场景落地的实战经验
- 体现从业务痛点到技术方案的闭环思维
- 深入研读MMoE、PLE等前沿多任务学习论文与工业界落地实践
面试指南
- 采用STAR法则结构化阐述项目背景、核心挑战、技术方案与业务结果
- 重点说明指标权衡的逻辑依据、实验设计细节与迭代过程
- 展现技术选型背后的业务适配思考与数据验证闭环
- 如何设计兼顾短期转化与长期留存的多目标推荐模型？
- 在实际业务中如何处理点击率与内容消费时长的冲突？
- 请分享一个你从0到1搭建或重构推荐系统的完整经历
- 面对模糊的业务需求，你是如何拆解并制定算法技术路线的？
- 复习深度学习基础、推荐系统经典论文与工业界最佳实践
职位点评
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
上市公司资深算法岗位通常提供具备市场竞争力的薪酬与完善福利体系，但JD未明确披露具体薪资范围与发放月数。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
90较高
团队提供从0到1的技术环境与前沿算法探索空间，扁平化管理确保技术想法快速落地，成长路径清晰且资源保障充分。
技术前沿前沿/新兴技术
技术栈DeepFM、DIN、MoE、TensorFlow、PyTorch、MMoE、PLE、PEPNET
成长机会从0到1技术环境、技术驱动的创新空间、扁平化管理
业务类型profit_center
工作生活
65中等
团队结构精干且扁平，沟通高效，但岗位要求强自驱力与抗压能力，高强度业务导向可能影响部分WLB。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
致力于构建良性内容生态与提升用户体验，通过算法优化实现商业价值与平台生态健康的平衡。
行业发展稳定成熟行业
社会影响中性/一般
使命信号促进平台内容生态的良性循环
创新程度积极采用新技术
Watch Jobs