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。

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。

研究方向一：下一代端到端生成式 广告大模型系统广告系统一般采用“召回->粗排->精排->出价->拍卖”的多级漏斗架构，但各模块独立优化导致优化目标不一致，前链路会制约后链路上限，漏斗效率折损大。近年来，随着大模型和生成式技术的快速发展，其强大的表征能力和良好的Scaling性质也为广告系统提供了新的可能性。本研究旨在探索如何利用生成式技术重塑整个广告系统，通过一个端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型决策空间，最大化平台收益。 1.生成式广告大模型架构设计：基于前沿大模型（如时空Transformer、MLA、MoE等），设计适配广告场景的生成式决策框架，支持根据“用户行为、实时位置、商户出价”端到端生成最优的广告商家、展示创意、相应计费。 2.多阶段的训练范式设计：借鉴LLM的分阶段训练技术（如PT、SFT、RLHF等），设计“基于海量交互的 pre-training 和 基于业务目标的 post-training ”的分阶段训练范式，提升广告大模型效果。 3.广告大模型的Scaling规律探索：探索广告场景下，生成式大模型“算力->效果”的转化规律，驱动推广搜迭代范式实现由“人工设计迭代”到“算力堆叠迭代”的跃迁。 研究方向二：基于大模型重构广告系统 传统的向量召回和深度学习推荐范式在深度交互、冷启动、长尾商品发现、多场景适配等方面仍存在诸多挑战。 大模型具备强大的内容理解、知识推理和个性化内容生成能力。以大模型为核心，通过将用户历史行为、上下文信息、多模态内容等深度融合，实现用户意图的主动理解、候选内容的生成与多场景下的精准推荐，极大提升广告系统召回、粗排、精排、拍卖等模块的能力上界。 1.领域LLM 构建：基于sota 基座模型，系统性整合美团用商双端数据，通过PT、SFT、RLHF等方式构建适配外卖/到餐领域的垂直领域LLM，快速支持商业广告系统多大模型应用落地； 2.基于强化学习+领域LLM 的通用广告解决方案：基于领域LLM，结合GRPO等强化学习技术，探索广告召回、粗排、精排建模的新范式，探索广告领域建模的scaling law； 3.结合广告业务场景与大模型前沿技术，探索改造广告算法链路的创新方向，实现广告算法链路的大规模升级及核心指标的显著提升。

1、研究与算法实现： （1）参与图数据库代码知识图谱的构建与优化，借鉴最新的 RepoAudit 等研究成果。 （2）设计并实现基于强化学习（RL）的探索与反馈循环，包括智能体、动作空间、奖励机制。 （3）实验和优化多种RL策略（如PPO、DPO、GRPO、DAPO、GSPO）在真实图数据库测试场景的应用。 2、系统开发与实验： （1）构建可编译运行的图数据库测试平台，负责自动化测试流程（提出预言机→生成用例→执行验证→反馈奖励）的实现。 （2）针对开源图数据库（NeuG、Neo4j、RedisGraph、NebulaGraph等），验证并提交新型逻辑错误。 3、论文与成果输出： （1）参与撰写技术报告和学术论文，总结测试预言机生成的新方法与实验结果。 （2）协助开源端到端研究原型及技术文档的完善与维护。