岗位职责
我们是淘天集团淘宝用户算法团队，致力于通过外投广告算法、商品推荐算法、权益激励算法及消息触达策略的深度融合，驱动淘宝用户的高效增长与长期价值提升。团队聚焦用户全生命周期管理，以大规模机器学习、序列建模、因果推断、运筹优化等为核心技术引擎，在获客效率、增量GMV和用户LTV等关键指标上持续突破。 在手淘用户增长场景中，LTV预估和确收GMV预估是非常核心的工作，广泛应用于权益投放、外投广告、营销等业务场景下。预估任务存在延迟反馈、季节性及趋势性分布漂移、大促脉冲式事件的灾难性遗忘等问题，为此我们希望设计并实现一套具备多时间尺度延迟反馈建模能力、鲁棒分布自适应能力与长周期记忆能力的预估引擎，从而显著提升预估精度与稳定性。 你将承担以下核心职责:
- LTV预估和确收率预估：深入解决LTV预估和确收率预估在实践中遇到的工业级难题，基于淘天用户特征体系以及海量行为数据，提升预估的准确率；
- 算法创新与模型研发： 探索多时间尺度建模，解决延迟反馈建模问题；解决实践中季节性及趋势性分布漂移问题；优化模型具备对“稀疏但重要日期分布”的长期记忆能力，并在下一次同类事件到来时进行模式重用；探索生成式LTV预估新范式，如LLM生成式建模、timeLLM、Diffusion等；
- 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展LTV预估与个性化营销领域的影响力；
- 应用场景覆盖淘天权益投放、外投广告、营销决策等业务场景，完成算法的线上应用及取得线上效果提升。 加入我们，你将参与最具挑战性的工业级LTV预估课题，定义智能营销与用户增长的未来技术范式。
职位要求
- 机器学习、数据挖掘、自然语言处理、人工智能等相关专业的硕士生/博士生，实习时间可满一年；
- 熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力；
- 熟悉常见的机器学习算法（LR、GBDT、DNN、Transformer、Positive-Unlabeled Learning、Multi-Task Learning、Diffusion Model等），良好的逻辑分析能力和数理基础，对算法原理及应用有较深入的理解；
- 具备以下条件者优先考虑： a. 具备优秀论文产出能力，在KDD、SIGIR、WWW、ICML、NeurIPS、RecSys等国际顶会发表过相关论文； b. 在ACM、数学建模、天池、Kaggle等竞赛中取得优异成绩； c. 有大规模在线广告、推荐系统、用户增长系统的实战经验; d. 有LLM实操经验，参与过大模型预训练、SFT、RLHF等项目；
