京东基于强化学习在用增营销场景的交互式推荐与技术应用

1. 负责哈啰两轮出行领域，用户增长相关的算法策略设计与优化，包括但不限于：用户画像体系建设、新用户转化率提升、用户激活与留存模型、裂变增长策略等。 2. 基于用户行为数据，构建精准的LTV（用户生命周期价值）预测模型、流失预警模型及分层运营策略。 3. 设计并实现高效的推荐算法、补贴发放策略或激励体系，平衡用户体验与平台增长目标。 4. 深入分析A/B实验数据，迭代算法模型，驱动用户规模与质量的持续增长。 5. 探索前沿增长技术（如因果推断、强化学习等），推动算法在业务场景中的创新落地。

聚焦用户增长（User Growth）核心业务场景，利用强化学习（RL）与生成式 AI 技术推动业务智能化升级。你将在真实的亿级流量场景中，参与从算法策略到工程落地的全链路建设，解决广告竞价、创意生成、用户生命周期管理等高价值问题。 岗位职责： 1. RL 出价与竞价策略 参与基于强化学习的广告出价系统建设，将静态出价升级为多步序列决策范式，构建 State → 推理 → Action → Reward 的完整闭环 探索 Decision Transformer / Offline RL 等前沿方法在 RTB 竞价场景的落地 2. RL 训练与推理工程 参与 RL / LLM RL 训练框架建设，支撑 PPO、DQN、GRPO 等算法的高效落地，优化训推异步与分布式训练策略 解决 RL 训练中的工程瓶颈（样本传输延迟、显存优化、训练稳定性），跟进 VERL、Ray 等前沿框架并结合业务落地 3. AIGC 创意与 Agent 工程 设计和实现 AIGC 驱动的规模化创意供给体系，覆盖文案生成、图片创意、视频素材等多模态内容生产，构建生成 → 风控审核 → 语义去重 → 效果反馈的全链路闭环 构建面向用增业务的 AI Agent 系统（创意 Agent、广告优化师 Agent 等），设计多智能体协同架构与工具集成方案 4. AI Coding 与研发效能 深度使用 AI 编程工具（Cursor、Claude Code 等）驱动日常研发，探索 AI 辅助代码生成、代码审查、自动化测试等场景的最佳实践 参与 AI Coding 全链路覆盖的推进，提升团队 AI 辅助代码占比与研发效能 5. 在线引擎与实验体系 参与用增引擎体系（RTA / RTB / 创意供给引擎）核心模块开发，优化高并发系统性能与稳定性 建设特征工程、样本回流与 AB 实验体系，支撑策略的科学评估

聚焦用户增长（User Growth）核心业务场景，利用强化学习（RL）与生成式 AI 技术推动业务智能化升级。你将在真实的亿级流量场景中，参与从算法策略到工程落地的全链路建设，解决广告竞价、创意生成、用户生命周期管理等高价值问题。 岗位职责： 1. RL 出价与竞价策略 参与基于强化学习的广告出价系统建设，将静态出价升级为多步序列决策范式，构建 State → 推理 → Action → Reward 的完整闭环 探索 Decision Transformer / Offline RL 等前沿方法在 RTB 竞价场景的落地 2. RL 训练与推理工程 参与 RL / LLM RL 训练框架建设，支撑 PPO、DQN、GRPO 等算法的高效落地，优化训推异步与分布式训练策略 解决 RL 训练中的工程瓶颈（样本传输延迟、显存优化、训练稳定性），跟进 VERL、Ray 等前沿框架并结合业务落地 3. AIGC 创意与 Agent 工程 设计和实现 AIGC 驱动的规模化创意供给体系，覆盖文案生成、图片创意、视频素材等多模态内容生产，构建生成 → 风控审核 → 语义去重 → 效果反馈的全链路闭环 构建面向用增业务的 AI Agent 系统（创意 Agent、广告优化师 Agent 等），设计多智能体协同架构与工具集成方案 4. AI Coding 与研发效能 深度使用 AI 编程工具（Cursor、Claude Code 等）驱动日常研发，探索 AI 辅助代码生成、代码审查、自动化测试等场景的最佳实践 参与 AI Coding 全链路覆盖的推进，提升团队 AI 辅助代码占比与研发效能 5. 在线引擎与实验体系 参与用增引擎体系（RTA / RTB / 创意供给引擎）核心模块开发，优化高并发系统性能与稳定性 建设特征工程、样本回流与 AB 实验体系，支撑策略的科学评估

团队介绍 "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。" 职位描述 1.基于Lazada的海量用户和商家数据，探索使用深度学习，强化学习，Graph Embedding，迁移学习，知识图谱等前沿技术来解决广告业务所面临的多国家多语言场景，大规模异构数据的挑战，将前沿技术在广告业务上落地，用技术推到业务高速发展。 2.负责广告系统的核心召回、排序、竞价机制算法持续迭代优化，提升广告业务的核心指标，帮助Lazada广告业务高速增长。