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、商品推荐、权益激励与消息触达等，全面提升淘宝用户的增长效率与长期价值。团队聚焦用户全生命周期管理，以算法驱动精细化运营，持续优化获客效率、增量GMV与用户LTV。 在权益策略场景中，传统模型面临选择性偏差、高噪声干扰、多场景异构等挑战，难以准确识别微弱增量信号。为此，我们正在构建下一代因果Transformer框架。 你将承担以下核心职责：
- 增量建模与因果推断：深入解决观测数据中的选择偏差与时变混杂问题，基于淘天用户特征体系，提升权益效果的归因准确性；
- 算法创新与模型研发：探索并设计基于因果推断Transformer的新型架构，设计提升微弱信号识别能力，推动CDUT等前沿模型落地；多场景协同建模：统一建模大促、日常、会员等多权益场景，实现跨场景知识迁移与泛化能力提升；
- 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展因果推断与个性化营销领域的影响力；
- 应用场景覆盖淘天多个权益体系，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因果推断课题，定义智能营销与用户增长的未来技术范式。
职位要求
- 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生，实习时间可满一年；
- 精通深度学习与Transformer架构，具备模型创新与底层开发能力；
- 熟悉因果推断（如Uplift Model、PSM、Doubly Robust、Representation Learning for CATE）等方法优先，有实际项目经验优先；
- 熟悉推荐系统、增长策略或在线营销场景者优先；
- 具备优秀论文产出能力，有CCF-A类或顶级AI/ML会议（如KDD、ICML、NeurIPS、WWW）发表者，或在数学、ACM、天池等竞赛中取得优异成绩者优先；
- 具备优秀的逻辑思维与系统设计能力，对算法研究与业务落地有强烈热情。
