部门介绍
【 】 我们是 AE广告算法团队，聚焦跨境电商广告场景下的图片创意生成、评估与优化。我们相信下一代创意系统不该只是""出一张图""，而是能把多模态生成模型、视觉语言模型、行业知识库和真实投放反馈闭环起来，持续朝商业效果进化。 在这里你能拿到的，是大多数研究岗给不了的两样东西:真实跨境电商广告场景的完整数据与投放闭环，以及把创新工作沉淀为顶会论文 / 专利 / 对外技术材料的空间。你会走完从创意评测、生成链路分析、创意原子归因到策略优化的完整研究链路，既做业务落地，也做前沿探索。 【岗位描述】
- 用多模态模型做商品图片创意的生成与编辑，围绕""生成质量 + 商业效果""双目标持续迭代；
- 设计面向电商创意的评测方法——判断一张生成图是否满足商品表达、投放可用性和效果潜力；
- 做图像生成 / 图像编辑 / VLM 方向的技术调研、论文复现与实验验证，把前沿方法转化为可上线的方案；
- 分析生成结果与业务反馈，探索让创意系统从""单次出图""走向""持续进化""的优化机制（归因、偏好学习、策略优化等）；
- 沉淀实验结论与技术方案，优秀成果进一步形成论文、专利或对外材料。
岗位职责
招聘官网暂未提供完整岗位职责，请前往官网核实。
职位要求
- 计算机 / 人工智能 / 机器学习等相关专业在读硕士或高年级本科；
- 熟练 Python，掌握 PyTorch / TensorFlow / Transformers / Diffusers 中至少一种；
- 对多模态模型、图像生成、图像编辑、视觉语言模型、生成式 AI 中至少一个方向有研究兴趣或实践经验；
- 能独立跑实验、分析结果、归纳结论，能读前沿英文论文并落成可验证的实验方案；
- 有较强的研究热情和技术自驱力。 【加分项】
- 图像生成 / 图像编辑 / 扩散模型 / VLM 评测 / VLM-as-Judge 相关研究或项目经验；
- RLHF / DPO / preference optimization / reward model / 策略优化经验；
- 熟悉广告、推荐、CTR 预估、A/B 实验、反事实评估等业务背景；
- 多模态 Benchmark 建设、模型横评、人工标注规范设计经验；
- 顶会顶刊论文、高水平竞赛获奖或高质量开源贡献者优先。
