快手大模型算法工程师（电商广告）-【商业化】
任职要求
1、计算机、人工智能、电子工程、数学等相关专业硕士及以上学历，3年以上大模型方向经验优先； 2、扎实的机器学习与深度学习基础，熟练掌握Transformer、LLM、Diffusion等主流模型架构； 3、有SFT、RLHF、LoRA、知识增强(RAG)相关模型的训…
工作职责
1、负责广告业务中大模型能力的研发与落地，包括广告商品识别、广告素材生成、智能创编、智能助手等核心场景； 2、深入挖掘广告内容、商品信息、用户行为等多模态数据，构建高质量训练语料与知识库，驱动多模态/多任务大模型能力升级； 3、研究并应用先进的大模型训练技术（如SFT、LoRA、RLHF、Prompt Engineering等），构建面向广告场景的垂类大模型； 4、推动大模型在广告行业中的文本、内容可控生成等关键问题的算法突破； 5、跟踪前沿AI技术，推动AIGC与广告业务结合的创新应用，提升投放效率与用户体验； 6、跨团队协作，推动算法方案在广告平台、创意平台等系统中的落地与优化。
团队介绍：1、业务方向：自助业务希望建成中小商家的业务中台，电商广告、生服广告、Dou+等多条业务线，一站式解决商家问题，助力商家成长，提升商家数字化经营能力； 2、技术亮点：自助技术分为智能销售、客户增长、营销活动几个方向； 客户增长方向主要利用Uplift建模、因果推断、运筹优化算法、推荐算法等，通过对客户初期的行为习惯进行挖掘，探索更优的发券、选品、选素材等相关策略，提升拉新指标； 智能销售方向主要通过LLM-Agent的形式，利用sft、rl等算法优化广告领域的服务能力，提升对中小客户的教育、辅导、服务等能力，进而提升长期客户消耗； 营销活动方向主要服务商业化运营团队，辅助运营完成营销活动的创建与推广。 课题背景： 为了长期优化广告客户生态以及收入增长，商业化需要更大规模的做好客户拉新和客户在投放成长初期的留存，那么如何精准定位目标人群、如何更有效的利用激励手段促进客户增长、如何优化当前客户动作和投放手段，就是一个必须要长期优化的方向。 现在的增长方向主要靠传统机器学习的手段来决策激励的发放，但效果提升已经遇到瓶颈，需要探索基于RL的因果推断技术。另一方面，客户成长初期目前无法获得足够的服务与帮助，结合上广告投放本身有较高学习门槛，所以现在亟需依赖LLM技术，实现智能销售的愿景——包括智能客服、智能销售、智能投手三个阶段，最终达到全智能化的托管式服务。 课题挑战： 相比抖音C端流量数据，广告客户数据相对波动较大，观测周期长，有更多的不确定性； 大语言模型在广告领域的能力依然不足，具体表现在领域知识理解不足，大量专业工具（百量级）的使用效率不高，业务回复的可解释性不够强。为了达到人工销售的水平，需要探索RL、探索reward system、探索deep research的实现、探索业务向Benchmark的范式等等； 相比传统客服的问答式工作，还需要探索LLM在主动服务方向的开放命题。
团队介绍：1、业务方向：自助业务希望建成中小商家的业务中台，电商广告、生服广告、Dou+等多条业务线，一站式解决商家问题，助力商家成长，提升商家数字化经营能力；2、技术亮点：自助技术分为智能销售、客户增长、营销活动几个方向客户增长方向主要利用Uplift建模、因果推断、运筹优化算法、推荐算法等，通过对客户初期的行为习惯进行挖掘，探索更优的发券、选品、选素材等相关策略，提升拉新指标智能销售方向主要通过LLM-Agent的形式，利用sft、rl等算法优化广告领域的服务能力，提升对中小客户的教育、辅导、服务等能力，进而提升长期客户消耗营销活动方向主要服务商业化运营团队，辅助运营完成营销活动的创建与推广。 课题背景： 为了长期优化广告客户生态以及收入增长，商业化需要更大规模的做好客户拉新和客户在投放成长初期的留存，那么如何精准定位目标人群、如何更有效的利用激励手段促进客户增长、如何优化当前客户动作和投放手段，就是一个必须要长期优化的方向。 现在的增长方向主要靠传统机器学习的手段来决策激励的发放，但效果提升已经遇到瓶颈，需要探索基于RL的因果推断技术。另一方面，客户成长初期目前无法获得足够的服务与帮助，结合上广告投放本身有较高学习门槛，所以现在亟需依赖LLM技术，实现智能销售的愿景——包括智能客服、智能销售、智能投手三个阶段，最终达到全智能化的托管式服务。 课题挑战： 相比抖音C端流量数据，广告客户数据相对波动较大，观测周期长，有更多的不确定性；大语言模型在广告领域的能力依然不足，具体表现在领域知识理解不足，大量专业工具（百量级）的使用效率不高，业务回复的可解释性不够强。为了达到人工销售的水平，需要探索RL、探索reward system、探索deep research的实现、探索业务向Benchmark的范式等等；相比传统客服的问答式工作，还需要探索LLM在主动服务方向的开放命题。
业务介绍： 我们是阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增等技术。团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。 岗位描述： 1、负责支持业务迭代：推进来自搜索、推荐、广告、用增各域的产品需求快速落地。 2、负责系统架构设计：负责搜索、推荐、广告引擎的架构设计与优化，支撑多语言场景下的高并发请求处理，满足全球用户低延迟、高可用的服务需求。 3、负责性能调优：针对召回排序、模型训练&推理、特征计算等模块进行工程性能优化（如分布式计算加速、内存管理、GPU资源调度等），提升算法迭代效率。 4、负责工程平台开发：构建算法与工程协同的标准化平台，包括特征实时化平台、在线推理服务框架、AB实验平台等，支持算法快速迭代与业务效果验证。 5、负责大模型工程优化：负责生成式AI技术的工程落地，包含大模型训练、推理加速、多模态内容生成等技术工作。 补充说明：同时也招聘面向25年应届毕业的同学；
1、支持国际化电商业务快速发展，服务数百万达人商家，探索更高效的商业模式，满足用户最好的购物体验，促进生态良性发展； 2、超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率； 3、通过挖掘达人/商家在用户群长短期兴趣建模和特征交互方式上持续研究探索，不断提高达人-商家-用户兴趣的匹配精度； 4、对达人、商家的行为做深入的理解和分析，制定针对的算法策略赋能供需两端，提升商家变现效率，助推产业升级； 5、结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。