岗位职责
- 参与商业化混排场景下异构多目标（媒体价值 & 商业化价值）融合机制的原型设计与实现，寻求帕累托最优解，搭建并优化多目标预测、超参寻优和鲁棒性算法pipeline，提升离线/线上核心指标。
- 参与生成式范式下序列价值建模的最新研究，并在给出满足不同异构目标的序列生成策略的优化方案。
- 总结技术创新点，撰写技术报告或顶会论文，输出可复用的代码、文档与最佳实践。
职位要求
- 计算机科学、人工智能、自然语言处理、数据挖掘、机器学习等相关专业在读硕士或博士生，具备扎实的理论基础；
- 扎实的机器学习/深度学习基础，熟悉下列至少两项：
- 1 多目标/多任务学习、帕累托优化、进化算法或强化学习；
- 2 推荐系统 / 信息检索 / 排序学习（LTR） / 领域适配（Domain Adaptation）；
- 3 在线广告竞价与拍卖机制；
- 熟练掌握至少一种主流深度学习框架（如 PyTorch、TensorFlow），具备良好的编程能力，能独立实现和调试复杂算法；
- 思维严谨，具备快速学习、问题拆解与沟通协作能力，对业务效果与学术创新均有强烈驱动力；
- 具备顶会/期刊论文发表、算法竞赛获奖、开源项目贡献者等亮点经历者优先。
