腾讯营销—面向生成式推荐的强化学习优化技术研究

课题背景： 针对工业级商业化推荐系统，结合生成式AI技术构建下一代商业化推荐引擎，并通过强化学习实现持续演进和更新，提升商业化价值天花板 当前挑战：广告推荐系统是实时在线学习，需要构建有效的实时Reward系统，驱动有效实时 On-Policy 演进机制 工作内容：

1. 01

   结合广告推荐优化目标ecpm/gmv，探索并构建生成式推荐下，实时On Policy 强化学习整体算法框架；

2. 02

   探索并设计符合广告优化目标的 Policy机制 与 Reward 系统，驱动推荐 Policy Model 高效探索与更新；

3. 03

   跟踪国际顶级学术会议与业界生成式推荐最新进展，形成技术路线与专利布局，产出高水平学术论文与技术报告。

1. 01

   计算机相关专业硕士及以上学历，具有扎实的计算机和机器学习基础，拥有优秀的编程能力和工程能力，学习能力强，具备良好的团队协作意识和主动性；

2. 02

   在搜广推系统、生成式AI、机器学习等一个或多个领域有较深入的研究，包括但不限于判别式推荐、生成式推荐、LLM/MLLM、图像生成/编辑、视频生成/编辑；

3. 03

   具有较强的实践能力，发表过高水平学术会议论文或者有竞赛经验者优先。