基于大模型的广告算法研究与应用-阿里星/T-Star

相关研究课题细分方向如下：： ● 基于生成式模型和大模型的出价算法研究与应用 ● 基于大模型和Agent技术的广告投放优化算法研究与应用 ● 多模态大模型、内容理解与广告模型算法的结合相关研究 ● 基于LLM的搜索＆推荐&预估模型研究 ● 融合价值最优的Listwise序列生成算法、拍卖机制研究 ● LLM技术在搜索语义相关性中的研究与应用 ● 基于生成式模型的用户行为建模 ● 面向高算力性价比与高精度的大模型Scale up生成式大模型架构设计 ● 大模型+运筹优化求解百亿级规模流量分配问题 ● 跨场景（站内、外）全域数据建模算法研究与应用 ● 商品托管算法研究与应用 ● 淘系搜推广联合机制设计研究

1. 01

   计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构。

2. 02

   掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域。

3. 03

   有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先。

4. 04

   对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展。

5. 05

   在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先。

6. 06

   具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路。

7. 07

   良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值。

8. 08

   对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。

【加分项】

1. 01

   有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历。

2. 02

   有海量数据处理经验或者大厂实习经验。

3. 03

   在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。