岗位职责
阿里妈妈全站推旨在实现商家确定性 ROI 交付与生意规模增长的双重目标，承载了亿级规模的日均广告收入。作为提升全站推投放效率的核心算法，自动出价（Auto-bidding）研发持续探索面向未来的决策智能技术，推动出价策略能力不断进化，为业务增长提供持续动力。我们在自动出价领域积累了扎实的技术基础，相关成果已发表于 ICLR、NeurIPS 等国际顶级会议，并通过持续的技术创新显著提升了投放效果。 自动出价本质上是一个典型的复杂决策问题，尤其在广告竞价场景中，面临着流量波动大、竞争环境强非平稳、反馈延迟明显等挑战。围绕这些核心问题，出价算法不仅需要具备良好的策略优化能力，还要能够快速响应环境变化，兼顾投放效率、稳定性与ROI目标。随着生成式方法等新技术在广告决策中的应用逐步展开，我们也看到了出价算法在模型表达、策略学习和动态响应方面更大的探索空间。 具体职责：
- 深入运用生成算法对出价决策模型进行探索与迭代，研究出价决策大模型的Scaling Law；
- 利用大规模跨场景数据和大规模参数学习博弈场景的通用规律，构建出价决策领域的基础模型；
- 设计面向高维、高噪、非平稳竞价空间的高效探索与优化算法，建设先进的大模型后训练与策略优化体系。
- 探索 Auto-Research 自动化研究范式，推动实验设计、模型训练、策略评估与结果分析的智能化闭环，提高研究与迭代效率。 加入我们，您将获得：
- 贴近工业实践的技术挑战，享有丰富的数据资源和强大的计算支持。
- 深度参与研发团队内部研讨，与顶尖专家共同探讨前沿技术，合作发表国际顶级会议论文。
- 一对一的行业专家指导，助力业界领先并具有巨大影响力的工作。
- 可观的实习薪酬以及校招人才计划的绿色通道。
职位要求
● 计算机/自动化、数学/运筹学、人工智能等相关专业的博士或优秀硕士； ● 具备扎实的数理基础、良好的逻辑分析和解决问题的能力，擅于沟通，有良好的团队合作精神。 ● 熟练掌握至少一种主流深度学习框架（如 PyTorch），具备良好的编程能力，能独立实现和调试复杂算法； ● 聪明、自信，敢于突破，对解决挑战性问题充满热情。 ● 以下条件优先考虑： ○ 作为第一作者在顶级国际会议或期刊上发表过论文； ○ 参与开源项目并获得100以上的star； ○ 在有影响力的比赛中取得优异成绩。
