大模型赋能商业场景的技术创新及落地实践

职位描述 团队介绍：端变现团队是商业化能力的核心承载者之一，全面负责旗下主流产品矩阵的变现价值挖掘、技术体系搭建与业务增长助力。团队以“技术驱动商业价值，体验平衡增长效能”为核心目标，覆盖抖音、今日头条、番茄小说、西瓜视频、红果短剧等产品变现、用户增长核心业务场景，通过整合变现策略、工程技术与增长激励等多元能力，打通“流量-技术-转化-增长”全链路，为产品商业可持续性、用户体验优化及业务规模增长提供全方位支撑。 课题介绍： 本课题立足中国交易与广告等商业场景，以大型语言模型（LLM）、视觉语言模型（VLM）、智能体（Agent）、强化学习、多模态生成等前沿技术为核心支撑，重点聚焦搜索、广告、推荐、电商、生活服务、广告营销、内容生产等关键业务场景，针对性破解传统技术体系存在的瓶颈问题。课题的核心研究目标为：借鉴大模型规模法则（Scaling Law）与生成式人工智能技术思路，深入探索技术与商业业务的深度融合路径，构建适配各垂直商业场景的智能模型及系统架构。同时，着力解决技术落地过程中的效率优化、场景适配、合规管控等关键问题，助力业务规模增长、运营效能提升与用户体验优化，推动商业场景数字化、智能化转型进程。 课题挑战： 1、技术适配性：通用LLM与MLLM在垂直商业交易场景存在领域知识薄弱、工具调用不足、语义对齐偏差等问题，需突破多模态协同、时空建模、低标注学习及搜广推融合技术； 2、效率与性能：大模型时延高、耗算力、吞吐低，难以满足高并发低延迟交易与搜广推需求，需通过轻量化、量化、分布式推理等优化性能与成本； 3、决策与规划：复杂商业决策对长周期建模、多目标优化、自适应要求高，AIGC与Agent易产生幻觉、决策偏差与因果缺失，需强化可信推理与风险约束； 4、落地与合规：需解决系统集成、数据质量、内容可控、隐私安全与监管合规问题，保障大模型规模化稳定、安全、合规落地。 课题价值： 1、理论价值：探索大模型在多商业场景的Scaling Law可行性，完善推荐大模型、Agent决策、多模态融合等技术体系，丰富AI在商业领域的应用理论； 2、实践价值：破解各商业场景核心痛点，如提升推荐转化、广告ROI、内容生产效率、客服质量等；降低人工成本，实现商业流程自动化；推动搜广推、电商、广告等领域的技术范式革新，支撑业务规模化增长，同时优化用户体验与商家服务能力，构建可持续的商业生态。 职位要求 1、2027届及以后毕业，博士在读，计算机/数学/信号处理等相关专业优先；； 2、对工业场景实际问题感兴趣，具备问题抽象、拆解、研究与方案探索能力，有技术热情； 3、至少在以下一个方向有扎实基础：序列建模、强化学习、大模型后训练、复杂系统或Benchmark设计； 4、代码能力优秀，掌握Python/C++至少一种，熟悉TensorFlow/PyTorch，熟悉Spark/Flink； 5、深入理解PPO、SAC等强化学习核心算法，并有一定项目落地经验优先。 加分项 1、有计算广告、竞价机制相关研究经验的同学优先； 2、在LLM/广告/推荐/NLP/CV等领域有业界经验的同学优先； 3、有顶会论文发表的同学优先（NeurIPS、ICML、ICLR、CVPR、ICCV、ACL、KDD等）； 4、有编程/AI比赛获奖同学优先（ACM/ICPC、NOI/IOI、Top Coder、Kaggle、codeforces2000+）。