职位描述
1.负责构建用增外投引擎，主导广告投放全链路算法研发，涵盖用户价值预估、竞胜率建模与智能出价策略，打造业内领先的RTA/RTB算法引擎；通过算法创新驱动外投 ROI 持续提升，支撑平台用户增长。
2.负责本地生活创意推荐系统，基于大语言模型（LLM）与生成式范式，围绕本地生活场景构建创意内容理解与个性化推荐能力；推动端到端生成式排序架构在亿级用户规模下的工程落地，为用户提供更具温度与精准度的内容触达体验。
3.打造 AI Agent 驱动的智能决策体系：设计并落地具备自主诊断、动态优化、闭环决策能力的 AI Agent 系统；探索多智能体协同机制，逐步实现用增外投与创意内容分发的全自动化智能运营，释放人机协作的规模化价值。
4.深化强化学习在用增场景中的应用：将强化学习系统性地引入竞价博弈、增长策略寻优、用户裂变价值挖掘等核心场景，构建以长期用户价值为导向的 RL 算法体系，推动算法从效果优化向战略级增长驱动升级。
职位要求
1.具备扎实的用增外投算法理论与实践基础，深入理解 RTA/RTB 竞价机制，熟悉用户价值预估（CTR/CVR/LTV）、竞胜率建模、Uplift 建模等核心算法方向；有出价策略、预算分配、流量筛选等智能投放系统完整研发经验者优先。
2.熟悉生成式建模前沿方向， LLM 微调、Diffusion、VQVAE/RQ-VAE 等，有用增外投或推荐场景工程落地经验者优先；具备 Billion 级参数模型训练与调优能力，熟练使用 TensorFlow 或 PyTorch，有高并发低延迟在线预测系统开发经验；具备多模态建模（图文理解、行为序列融合等）者优先。
3.熟练掌握强化学习理论与实践，能将 RL 系统性应用于竞价博弈、出价策略寻优、用户裂变价值建模等场景，有 PPO/GRPO等主流 RL 框架线上落地经验；具备 LLM Agent / 多智能体系统设计与实现能力，有 Tool Use、任务规划、多智能体协同等 Agent 算法工程经验者优先。
4.3 年以上用增外投算法或推荐算法经验，具备核心项目主导经历；在 KDD、NeurIPS、SIGIR、WWW、ICML 等学术会议发表论文者优先。
