機器學習工程師

職務簡介

我們是一家專注於 GEO（Generative Engine Optimization）的技術公司，協助品牌業者在 ChatGPT、Perplexity、Google AI Overviews 等生成式引擎的回答中被正確引用。

我們不做最佳實踐套餐——我們以資料逆向工程 LLM 與 AI 搜尋平台的引用行為，把每個產業、平台、語言當成黑箱系統來解構。這是我們真正的護城河。

此職位將與創辦人（CEO/CTO）共同建立公司的核心研究能力，定義從資料蒐集、模型設計到產品化的技術 roadmap，是團隊核心成員而非執行者。

責任

• 設計方法論、實驗框架、工具選定與研究落地，量化主流 LLM 與 AI 搜尋平台的引用偏好，涵蓋來源權重、recency bias、產業、語言、地域等維度。
• 建立 reward signal pipeline：大規模 API 調度蒐集 LLM 回應，提取結構化引用訊號並維護資料品質。
• 訓練預測模型（以 XGBoost / LightGBM 起步，逐步演進至 contextual bandit 或 reinforcement learning），預測內容被引用的機率與最佳化方向。
• 從資料反推平台演算法行為，將洞察轉化為客戶可執行的內容策略與產品功能。
• 與核心團隊共同定義技術 roadmap，主導研究方向、實驗節奏與工具選型。

資格

必備：

• Python 熟練，能獨立 ship pipeline，熟悉 pandas / polars、API orchestration、Web Scraping。
• 具備使用 XGBoost / LightGBM 等模型解決真實問題並部署到 production 的經驗。
• 紮實的統計或計量基礎，熟悉實驗設計、A/B testing、因果推論。
• 對「從資料中拆解未知系統行為」有高度興趣與耐心。

加分：

• 量化交易、search / recsys / ads ranking 逆向工程或建模經驗。
• Contextual bandit 或 Reinforcement Learning 實作經驗。
• LLM API 大規模調度、prompt engineering、evaluation framework 經驗。
• 對 SEO、搜尋演算法或內容行銷有 domain sense。

─────────────

📝 應徵說明

我們重視思考方式更勝於 buzzword。請於應徵訊息或 Cover Letter 中簡述：

「你會如何設計實驗，量化『ChatGPT 回答台灣旅遊問題時，

哪些網站最常被引用』？」

（200 字內即可，無標準答案，我們想看你的思路。

未附上此段者，將不列入優先審閱。）