岗位职责
- 负责淘宝闪购营销算法，券/品生成式营销定价系统的研发工作，包括但不局限于Diffusion/Decision Transformer等生成式架构的设计与实现，覆盖亿级DAU的定价场景。
- 主导生成式定价全链路算法开发，包括端到端生成定价、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率和营销效率。
- 探索生成式和强化学习技术在营销定价场景中的应用，解决预算实时调控、门槛面额联合生成、商出资动态加载、多目标优化等命题，提升营销补贴效率。
- 深度协同产品、运营及工程团队，将算法创新转化为业务增长动力，打造行业领先的智能营销解决方案。
职位要求
- 计算机、运筹学、人工智能、应用数学等相关专业硕士及以上学历，在生成式、强化学习领域有深入研究，发表过顶会论文者优先。主导过生成式定价/广告/推荐系统完整项目者优先。
- 精通Transformer/Diffusion/Decision Transformer等架构，有将其应用于序列决策或组合优化的落地经验，熟练掌握强化学习框架，具备复杂奖励系统设计与多目标优化能力。具备SFT/DPO/GRPO等后训练与迭代能力（含数据/评估/优化），对后训练算法有实践经验和深刻认知；拥有Agentic RL训练实操经验者优先。
- 具备大模型微调与分布式训练经验，熟悉模型量化与低延迟推理优化，能支撑亿级DAU的高并发实时决策。
