1. 参与亿级用户和商品规模的电商个性化推荐算法优化和创新。深入理解推荐业务需求，设计并落地包括百亿级别样本上的大规模召回/排序/重排等算法，持续提升推荐效果和用户体验；
2. 通过用户的表征学习，图模型，深度学习，迁移学习，强化学习，异构建模，autoML，多任务多目标建模等技术提升信息匹配效率，帮助每个用户快速发现优质商品；
3. 分析用户行为数据，进行用户长短兴趣建模，以及潜在兴趣预测，提升推荐的精准性和惊喜度；
4. 解决低活人群和人群冷启动，分人群目标优化问题；
5. 不断调研学术界和工业界前沿技术，并对各技术进行落地；