游卡算法（不限）

广告是经济体客户重要的营销手段。广告主依托广告平台表达营销诉求，媒体依托广告平台的拍卖机制进行流量变现。为优化广告主效果并提升媒体变现能力，广告平台搭建了很多智能决策模块，如智能出价，智能拍卖机制等。这些智能决策模块依赖流量价值的预估值，如智能出价能力，其优化目标是在预算和成本约束下最大化效果(如成交量)，在给定流量的预估价值 (如点击率，转化率等)下，会结合广告自身的预算消耗，成本超限等因素动态的调整出价，最终效果受到预估值精准度的影响。 通常流量价值的预估值是一个标量，表达期望意义下的平均价值。 但在实践中发现，由于用户行为差异、广告的投放时间不同，不同的流量虽然有同样的预估值，但预估值的置信度却大不相同。比如对行为较为丰富的用户预估值的置信度较大，但对行为稀少的用户预估值的置信度较小。同样粗排阶段由于网络结构复杂度低，同样的流量预估值的置信度要比精排阶段预估值要低。对于智能决策算法来说，不同预估值的置信度代表流量的不确定度。在决策的时候，需要将不确定度考虑进去，比如在预算较为充足下，可以适当的在不确定度较大的流量进行探索，以挖掘潜在的高质量流量；而在预算吃紧，需要多竞价确定性

1、参与游戏生态中搜索/广告/推荐系统的算法实践与优化，包括但不限于用户画像、用户价值评估、推荐算法、智能投放与精细化运营； 2、参与游戏场景下的 AI 技术研究与应用， 包括但不限于强化学习、模仿学习、LLM在游戏场景中的应用落地； 3、协助进行AI模型的训练、测试评估与上线部署； 4、关注AI技术的最新动态，挖掘AI在游戏中的应用场景，进行技术预研与实验。

-参与金融行业应用产品相关算法研发，负责方案设计、原型验证与落地实现 -负责算法开发和效果优化，如用户行为预测模型，并确保其性能和效率达到预期目标 -跟踪FinTech领域前沿技术，探索LLM+RAG、Agent等新技术在金融场景的落地 -与团队成员紧密合作，协同解决开发过程中遇到的问题和技术挑战 -其他数据、算法相关工作

工作内容： 参与平安集团智能理赔系统的研发，利用大语言模型（LLM）、多模态理解与知识图谱技术，构建“从客户材料到赔付决策”的全自动审核引擎。 主要职责： - 参与 AI 理赔审核系统的研发，协助构建多模态文档（医疗影像、保单 PDF）的信息提取，实现对客户提交材料的理解与判别； - 设计并实现保单条款与理赔规则的结构化表示，支持大模型精准调用与推理； - 追踪大模型领域前沿技术，优化大模型提示工程（Prompt Engineering）、微调（Fine-tuning）与RAG（检索增强生成）方案，提升模型在复杂理赔场景下的判断准确率； - 负责理赔案件数据的清洗、标注体系设计及高质量数据集的构建； - 参与系统开发，将AI模型能力集成到理赔流程中，支持高并发、低延迟的生产环境部署； - 编写技术文档、参与代码评审，持续优化系统稳定性与可维护性。