工作职责 1、参与大模型在用户生命周期价值(LTV)和用户留存周期(LT)预估场景的探索、实验与落地； 2、基于PyTorch/TensorFlow构建和优化深度预估模型，处理多模态用户行为数据； 3、设计特征工程方案，挖掘用户长期价值的关键影响因素； 4、撰写技术方案文档，完成实验分析并输出可复现的算法报告。 任职资格 —必需条件 1、学历专业：计算机科学、人工智能、统计学等相关专业，硕士或博士在读； 2、技术基础： 1）熟练掌握深度学习基础理论(CNN/RNN/Transformer等)； 2）精通 PyTorch 或 TensorFlow 框架，具备独立建模能力； 3）扎实的Python编程和数据结构基础，熟悉Linux开发环境； 3、研究能力：具备文献阅读和算法复现能力，能快速跟进前沿技术。 —优先条件 1、有以下任一经验者优先： 1）大模型相关：LLM微调、模型压缩、大模型推理优化、Prompt Engineering; 2）预估场景：LTV/LT预估、广告CVR/CTR预估、用户留存/流失预测； 3）业务背景：推荐系统、计算广告、金融风控等时序数据建模场景。 —加分项 1、在顶级会议/期刊(KDD、ICML、NeurlPS、AAAI等)发表过论文； 2、GitHub有高质量深度学习项目代码； 3、熟悉分布式训练框架(DeepSpeed、Megatron-LM)。