主要職責(zé)
1、算法研究與開發(fā)： 深入探索、復(fù)現(xiàn)并優(yōu)化前沿強(qiáng)化學(xué)習(xí)方法（如PPO, DQN, SAC, 多智能體RL，離線RL，獎(jiǎng)勵(lì)模型設(shè)計(jì)等），并推動(dòng)其在海外實(shí)際業(yè)務(wù)場(chǎng)景中的應(yīng)用落地。
2、用戶增長(zhǎng)與留存優(yōu)化： 設(shè)計(jì)RL智能體，結(jié)合個(gè)性化推薦、通知策略、激勵(lì)機(jī)制等手段，提升用戶的長(zhǎng)期留存（LTV）與活躍度，達(dá)成增長(zhǎng)目標(biāo)。
3、內(nèi)容與廣告策略優(yōu)化： 運(yùn)用強(qiáng)化學(xué)習(xí)技術(shù)動(dòng)態(tài)調(diào)整面向全球用戶的內(nèi)容生成、信息流排序及廣告投放策略，兼顧用戶體驗(yàn)與商業(yè)收益的最優(yōu)匹配。
4、大規(guī)模數(shù)據(jù)訓(xùn)練與仿真環(huán)境構(gòu)建： 搭建高還原度的仿真系統(tǒng)，支持RL模型的高效訓(xùn)練與驗(yàn)證；處理并分析來自全球的海量、多維度用戶行為數(shù)據(jù)。
5、技術(shù)前瞻性探索： 密切關(guān)注國(guó)際AI與強(qiáng)化學(xué)習(xí)領(lǐng)域的最新動(dòng)態(tài)，探索大語言模型與強(qiáng)化學(xué)習(xí)融合等新技術(shù)在產(chǎn)品創(chuàng)新中的潛在應(yīng)用。

任職要求
1、計(jì)算機(jī)科學(xué)、人工智能、統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)或相關(guān)專業(yè)碩士及以上學(xué)位。
2、具備3年以上強(qiáng)化學(xué)習(xí)方向的研究或工程實(shí)踐經(jīng)驗(yàn)，有完整項(xiàng)目落地成果者優(yōu)先。
3、精通Python及主流深度學(xué)習(xí)框架（如PyTorch, TensorFlow）。
4、具有扎實(shí)的機(jī)器學(xué)習(xí)基礎(chǔ)，熟悉深度學(xué)習(xí)、概率論、統(tǒng)計(jì)推斷與優(yōu)化方法。
5、有大規(guī)模數(shù)據(jù)處理背景，熟練掌握SQL、Pandas、Spark等相關(guān)工具。
6、熟悉Linux開發(fā)環(huán)境，具備良好的工程實(shí)現(xiàn)能力，代碼風(fēng)格規(guī)范、結(jié)構(gòu)清晰。