美团广告算法工程师-预估模型方向
任职要求
1. 熟悉常见机器学习原理和深度学习模型，具备CTR/CVR/RL/NLP/CV等模型落地实践经验。 2.具备良好的编程能力，扎实的数据结构和算法基础，熟悉常用的大数据处理技术/框架（Spark/Hive等），熟练使用至少一种…
工作职责
1. 负责到综广告的CTR/CVR预估及创意优选模型的优化工作，基于美团和点评双平台海量用户/商家数据，建模用户兴趣，精准洞察预估用户&店铺关系，提升平台的广告变现效率和广告主的转化效果。 2. 跟进并落地在线学习、多场景建模、LLM大模型等方向的行业最佳实践和前沿技术能力，结合业务特点进行突破创新，用技术推动业务发展。
1、探索生成式预估范式在搜索推荐场景的可行性与边界，系统分析生成式模型相较于传统判别式模型在表达能力、泛化性与训练效率上的优劣；设计可扩展的生成式架构，涵盖生成式训练范式、结构优化、以及基于强化学习的排序目标对齐方法，构建具备scale-up潜力的下一代预估模型体系。 2、研究大语言模型（LLM）在电商场景下的个性化CTR/CVR预估应用，探索模态对齐、用户行为链（CoT）建模等技术路径，将LLM的推理能力迁移至用户偏好理解与意图推断，实现更精准的人货匹配与动态兴趣建模。 3、主导大模型预估系统的基础设施建设，涵盖算力友好的算法设计、分布式训练加速、线上低延迟部署、端到端链路优化及计算复杂度控制，推动前沿模型技术在高并发、实时性要求严苛的工业场景中规模化落地。
基于用户决策快照的广告预估基座模型 【课题说明】 打造以用户决策过程为核心的下一代广告预估基座模型。课题目标是在美团全域业务（外卖 / 到店 / 酒旅 / 团购等）中，构建一个用于预估任务的「用户决策大模型」，通过拟合用户历史决策时刻的全部上下文信息，学习用户偏好，预测用户下一个时刻的曝光 → 点击 → 浏览 → 加购 → 下单 → 到店 → 评论的全链路多状态、多路径概率。 【建议研究方向】 1.多模态决策场景重建：构建「全域行为快照生成器」，将用户的行为序列，转换为用户每一次决策时刻的多模态、高信息密度的「决策快照」。 2.用户决策基座模型：依托「全域行为快照」，预训练一个统一的用户决策基座模型，在给定任意「场景 prompt + 候选 item/店铺」时，能输出用户下一步行为的多任务、多状态概率。 3.决策策略对齐：探索该模型在各个场景上进行轻量微调与部署的方案，实现场景级定制。
餐饮推荐预估方向，核心业务、核心岗位。 具体职责： 1.广告相关算法策略的研究及开发工作； 2.海量数据、大规模稀疏模型下CTR/CVR预估算法及系统的研发； 3.用户行为理解及行为模式研究； 4.广告程序化创意的探索研究； 5.探索大模型Embedding与语义表示技术在餐饮广告CTR/CVR预估中的应用，结合用户多模态行为序列构建深度预估模型，持续优化广告投放效果。
1、主导阿里妈妈搜索广告精排预估模型的创新与迭代：聚焦点击率（CTR）、转化率（CVR）、GMV 等核心任务，通过用户长序列建模、多模态特征融合、高阶交叉、生成式预估、Scaling Law 驱动的大模型演进等方向，系统性提升模型序和准度。 2、主导预估模型的基础设施建设，涵盖算力友好的算法设计、分布式训练加速、线上低延迟部署、端到端链路优化及计算复杂度控制，推动前沿模型技术在高并发、实时性要求严苛的工业场景中规模化落地。