算法工程师-机器学习

1、构建新零售全域智能算法体系：负责构建新零售场景下的搜索推荐全链路算法体系（基于用户行为分析、多模态商品理解及实时反馈数据），并深入研发高精度时序预测模型（如Transformer/TFT/时序大模型等）与智能定价/营销策略，打造覆盖个性化推荐、智能搜索、销量预测、动态定价及营销优化的综合智能决策系统； 2、主导推荐与搜索算法攻坚：主导新一代推荐系统架构设计，优化召回、排序、重排等关键模块，通过序列建模、多任务学习、冷启动及LLM应用提升推荐效果（点击率、转化率、发现性、用户LTV）。攻克搜索算法瓶颈，应用NLP/LLM技术突破query理解、意图识别、语义召回、文本匹配及自适应排序框架设计，结合用户长短期兴趣建模优化搜索体验与价值； 3、研发时序预测与商业决策模型：攻克商品销量、订单量等关键指标的时序预测技术难题，持续提升预测精度，为自动化补货提供核心支撑。基于精准预测，结合因果推断、博弈论、需求弹性模型，构建动态定价与智能调价系统，平衡GMV、毛利、用户体验与库存健康度等多重目标。应用因果推断（A/B测试、双重差分、因果森林等）和用户行为建模技术，进行营销活动归因分析（Lift），优化营销预算分配与资源效率； 4、探索前沿技术驱动业务增长：积极探索和拥抱大模型（LLM）、多模态理解、图神经网络（ST-GNN）等前沿技术，在搜索推荐、时序预测、价格营销等领域的深度应用与创新落地，驱动盒马App用户体验增长与商业价值提升。