【2027届秋招】用户增长算法工程师

1. 01

   因果推断建模，专注于解决“哪些用户需要干预”以及“干预带来的真实增量价值”问题； ①增量模型： 研发和迭代Uplift模型，精准评估营销动作（Push、优惠券、月卡、权益）对不同用户的因果增量效应 (ITE)，解决传统响应模型无法区分“自然转化”与“被动转化”的问题； ②偏差消除与反事实推断： 研究观测数据中的选择偏差（Selection Bias）问题，利用IPW、IPM、双重鲁棒估计、工具变量等技术，在非随机流量下实现对ITE的无偏预估； ③研究多目标多场景多干预的联合建模，在高维混杂空间中的交互作用，建立联合分布模型；

2. 02

   运筹优化决策，致力于在多重约束下寻找全局最优解，解决“在当前约束条件下，如何最大化收益”的组合优化问题； ①多目标全局优化： 综合考虑GMV、获客、ROI 等多个目标，构建多目标规划模型。 ②大规模运筹求解： 针对用户&商品粒度的干预场景，利用线性规划、整数规划或强化学习方法，求解有限预算下的资源分配策略，实现大盘收益最大化； ③引入时空信息，研究预算在不同时空条件下的Pacing策略，提升预算实用效率；

3. 03

   AIGC内容生产与个性化推荐，探索如何利用大模型技术提升触达内容的吸引力，并实现内容与用户的精准匹配； ①生成式内容生产 (AIGC)： 基于LLM构建智能文案生成系统，自动化生产高点击率的Push内容，探索多模态（文生图/视频）在增长场景的应用； ②个性化推荐算法： 负责Push及站内触达场景的CTR/CVR预估模型优化，升物料分发的准确性； ③内容质量与创意优选： 建立内容质量打分体系，结合Bandit算法，实现创意的动态优选与冷启动探索

1、2027 届硕士及以上学历，计算机、统计学、运筹学、数学等相关专业；具备扎实的概率论、数理统计及机器学习理论基础；

2. 02

   编程能力： 熟练掌握 Python/C++ 至少一门语言，具备优秀的数据结构与算法功底；熟练使用 PyTorch/TensorFlow 等深度学习框架；熟悉 SQL/Spark/Flink 等大数据处理工具；

3. 03

   领域专长（有相关经验优先）： ①深入理解因果推断理论，有Uplift或相关去偏算法研究经验； ②熟悉运筹学与最优化理论，有大规模整数规划、凸优化或强化学习（RL）在调度场景的落地经验； ③熟悉推荐系统或 NLP/LLM 前沿技术，有大模型微调、Prompt Engineering 或大规模稀疏模型优化经验；

4. 04

   加分项： ①在 ICML, NeurIPS, KDD, AAAI, ACL, ICLR 等顶级会议发表过相关论文； ②在 Kaggle, ACM ICPC, KDD Cup 等高水平竞赛中获得优异名次