策略模型实习生

策略敏感人群挖掘：基于大规模用户行为数据，结合大模型 / 多模态的内容 × 人群画像挖掘，参与人群画像与敏感度建模（Uplift / 因果建模等），识别不同策略下的响应人群 / 响应内容；

模型优化迭代：参与策略模型的特征工程、结构调优、超参寻优，并探索大模型 Embedding / 多模态特征在建模中的应用，提升模型精度与线上效果；

大模型应用探索：参与大模型 / 多模态在策略场景的落地，如内容打标、Embedding 产出、表格大模型、智能分析 Agent 等前沿方向；

数据挖掘与分析：从实验与大盘数据中挖掘规律，借助大模型辅助分析产出可解释、可落地的策略结论；

AI 提效实践：运用 AI 辅助编码与数据分析，参与工具 / Skill 沉淀，提升研发效率。

计算机 / 统计 / 数学 / 人工智能等相关专业，在读本科 / 硕士，每周可实习 4 天以上、连续 3 个月以上者优先；

掌握数据挖掘与机器学习基础，熟悉常见模型（XGBoost/GBDT、深度学习等）原理与适用场景；

熟练使用 Python 及主流框架（PyTorch/TensorFlow、sklearn 等），熟悉 SQL；

对大模型（LLM / 多模态）应用有了解或实践，熟悉 Prompt 工程、RAG、Agent、微调等任一方向者优先；

具备 AI 编程能力，能熟练使用 AI 辅助编码 / 分析工具提升效率；

学习能力强、主动性高、对数据敏感，乐于在真实业务中动手验证。

有大模型 / 因果推断 / Uplift 建模 / 强化学习 相关课程或项目经验优先；

有顶会论文（ICML/KDD/NeurIPS 等）或科研经历优先。