阿里巴巴研究型实习生-智能算法产品事业部-算法工程师

1. 跟进和研发大规模语言模型（LLM）的预训练、持续训练、SFT、RLHF 等技术。 2. 跟进多模态的大模型（vLLM）预训练、SFT、RLHF等技术。 3. 研发基于大模型的淘宝问问助手、ChatBot、检索增强、Code、Longchain等下游应用。 4. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。

1. 跟进和研发大规模语言模型（LLM）的预训练、持续训练、SFT、RLHF 等技术。 2. 跟进多模态的大模型（vLLM）预训练、SFT、RLHF等技术。 3. 研发基于大模型的淘宝问问助手、ChatBot、检索增强、Code、Longchain等下游应用。 4. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。

1.参与设计并实现单智能体/多智能体联合出价框架； 2.构建广告竞价中的反事实竞得率建模范式，优化多ADX环境下的广告主收益； 3.在开源仿真环境及真实日志上评估模型效果； 4.结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流。

我们是淘天集团淘宝用户算法团队，致力于通过外投广告算法、商品推荐算法、权益激励算法及消息触达策略的深度融合，驱动淘宝用户的高效增长与长期价值提升。团队聚焦用户全生命周期管理，以大规模机器学习、序列建模、因果推断、运筹优化等为核心技术引擎，在获客效率、增量GMV和用户LTV等关键指标上持续突破。 在手淘用户增长场景中，LTV预估和确收GMV预估是非常核心的工作，广泛应用于权益投放、外投广告、营销等业务场景下。预估任务存在延迟反馈、季节性及趋势性分布漂移、大促脉冲式事件的灾难性遗忘等问题，为此我们希望设计并实现一套具备多时间尺度延迟反馈建模能力、鲁棒分布自适应能力与长周期记忆能力的预估引擎，从而显著提升预估精度与稳定性。 你将承担以下核心职责: 1. LTV预估和确收率预估：深入解决LTV预估和确收率预估在实践中遇到的工业级难题，基于淘天用户特征体系以及海量行为数据，提升预估的准确率； 2. 算法创新与模型研发： 探索多时间尺度建模，解决延迟反馈建模问题；解决实践中季节性及趋势性分布漂移问题；优化模型具备对“稀疏但重要日期分布”的长期记忆能力，并在下一次同类事件到来时进行模式重用；探索生成式LTV预估新范式，如LLM生成式建模、timeLLM、Diffusion等； 3. 前沿成果输出：在KDD、ICML、NeurIPS等顶级会议发表高水平论文，拓展LTV预估与个性化营销领域的影响力； 4. 应用场景覆盖淘天权益投放、外投广告、营销决策等业务场景，完成算法的线上应用及取得线上效果提升。 加入我们，你将参与最具挑战性的工业级LTV预估课题，定义智能营销与用户增长的未来技术范式。