背景和任务：作为应届生入职小米，工作业务依次聚焦于有品 app 搜索和商城 app 搜索，针对搜索中常见的欠召回、过召回、排序不佳等问题，围绕 query 理解、优化召回和排序等内容进行深入探索，并以提升点击率、转化率、单 UV 价值和 GMV 等指标为目标。
一、2022.2 - 至今 小米商城 app 搜索算法 核心开发人员
• 行动：优化 query 相关类目限制信息，从而优化头部 query 的召回准确率；实现分层排序，有效地区分相关商品和不相关商品；打通商城和有品商品的数据壁垒；训练多目标模型 ESMM 时考虑点击率、转化率和价格等因子；模型的训练样本扩展；训练 DFM 模型，优化排序模型中的延迟反馈问题。
• 结果：头部 query 的召回准确率相对增加 46.2%，头部 query 中的手机类 query 的召回准确率绝对增加 31.7%；商城商品到有品商品的映射率为 94.7%；单 UV 价值累计增加 11.88%，GMV 日均增加百万级；完成项目相关文档和工作记录；组内外进行过多次最新论文分享。
二、 2020.4 - 2022.2 小米有品 app 搜索算法 核心开发人员
• 行动：增加手机类型的 query 理解能力，实现新品分级，实现标签/场景的意图理解、召回和排序全流程。设计排序策略，如售罄降权、众筹提权、实时排序、分层排序、点击率提权等，提升用户搜索体验。
• 结果：单 UV 价值累计相对增加 18.77%，搜索点击率累计相对增加 0.93%，搜索转化率累计增加 3.59%，单日 GMV增加 27.6 万，搜索 GMV 占比同比前一年增加 20%，搜索转化率同比前一年增加 32%；完成项目相关文档和工作记录；组内外进行过多次常用技术栈分享。