阿里巴巴
研究型实习生-智能算法产品事业部-广告算法工程师
研究型实习生-智能算法产品事业部-广告算法工程师
发布于 2 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
A/B测试
Pytorch
学术科研
广告算法
强化学习
值不值得投
73综合评分
综合评分 73
前沿RL技术深耕、顶会导向、高压高成长的科研型实习岗
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.0万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3910 个在招 · 其中机器学习工程 约 210 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 550 个在招
职位详情
关于这个职位
负责阿里妈妈广告投放的连续时间强化学习算法研发，构建环境模型与出价策略，优化长期收益与ROI
搭建离在线评估体系并进行A/B实验，推动算法落地并争取在顶级学术会议发表成果
最低要求
计算机、人工智能、自动化、数学、统计学或运筹学等相关专业硕士及以上学历
熟练掌握Python及PyTorch等深度学习框架，具备良好的AIAgent应用、算法实现、实验分析和工程实践能力
对强化学习有扎实理解，熟悉MDP、价值函数、策略梯度、Actor-Critic等基本方法
具备以下至少一个方向的研究经验：
a. 连续时间强化学习、随机控制或最优控制
b. Model-Based RL、世界模型或Neural ODE/SDE
c. Offline RL、离线策略评估或因果推断
d. 不规则时间序列、事件驱动建模或非平稳决策
e. 广告、推荐、资源分配等工业决策问题
具备良好的数学基础，熟悉概率统计、随机过程、微分方程、数值优化或控制理论者优先
具备独立研究和解决开放问题的能力，能够完成问题建模、算法设计、实验验证和论文撰写
对工业级强化学习研究有热情，具备较强的主动性、责任心和沟通协作能力，能够持续推进长期研究课题
工作职责
参与阿里妈妈全站推连续时间强化学习（Continuous-Time RL）算法研发，面向真实广告投放中的不等间隔决策问题，推动自动出价从固定步长MDP向连续时间建模演进
研发连续时间环境模型CT-Env，探索Neural ODE/SDE、世界模型等技术，刻画不同时间间隔下的状态转移，提升非均匀采样数据的建模精度与稳定性
研发连续时间出价策略CT-Policy，支持定时与事件驱动混合决策，在预算和目标ROI约束下优化成交金额及长期收益
建设离在线一致的评估验证体系，研究离线策略评估、反事实评估及仿真方法，衡量策略在流量突增、广告主操作和预算、目标ROI变化等非平稳场景下的效果与鲁棒性
推动算法在公开数据集和阿里妈妈内部平台落地，参与在线A/B实验，并围绕相关成果投稿NeurIPS、ICML、ICLR、KDD、WWW等顶级会议或期刊
优先资格
在ICML、NeurIPS、ICLR、KDD、WWW、AAAI、IJCAI等会议或相关期刊发表过成果者优先
AI 洞察
优缺点分析
优点
- 背靠阿里妈妈亿级流量与真实商业场景，算法落地反馈闭环极快，工程与科研结合紧密
- 明确鼓励并支持顶会投稿，拥有完善的算力资源与学术指导环境，利于简历镀金与学术网络构建
- 接触广告商业化核心链路（出价、ROI优化），深刻理解数据驱动决策在工业界的落地逻辑
- 连续时间RL理论门槛极高，需同时兼顾数学推导、代码实现与实验调优，前期学习曲线陡峭
- 工业场景数据噪声大且非平稳性强，实验室理想假设与实际线上表现可能存在差距，调试周期长
- 适合具备强数学与科研背景、渴望在前沿AI领域深耕并追求顶会成果的硕士/博士阶段学生
缺点 / 挑战
- 技术栈极具前瞻性，直接切入连续时间RL与Neural ODE等前沿方向，远离重复造轮子的传统调参工作
- 顶会发表竞争激烈，需在有限实习期内完成高质量建模、消融实验与论文撰写，时间管理压力大
角色解读
- 纵向深化：从算法实习生成长为资深强化学习研究员或广告算法专家，主导核心定价策略架构
- 横向拓展：向AI Agent、多智能体协同或大模型决策方向延伸，成为复合型AI技术负责人
- 学术转化：依托工业界海量数据与算力资源，持续产出顶会论文，建立学术界与产业界的交叉影响力
- 针对广告投放中的不等间隔决策问题，研发连续时间强化学习算法替代传统固定步长模型
- 构建连续时间环境模型与出价策略，在预算与ROI约束下优化广告系统的长期收益
- 搭建离在线一致的评估验证体系，通过反事实评估与仿真方法测试策略在非平稳场景下的鲁棒性
- 主导算法在内部平台的落地部署，参与在线A/B实验并整理研究成果投递顶级学术会议
- 扎实的强化学习理论基础，精通MDP、策略梯度、Actor-Critic等核心算法及其变体
- 熟练运用Python与PyTorch进行深度学习模型开发，具备完整的算法实现与实验分析能力
- 掌握连续时间建模技术（如Neural ODE/SDE）、世界模型或离线策略评估方法
- 优秀的数学功底，熟悉概率统计、随机过程、微分方程与控制理论，能独立完成问题建模与论文撰写
申请策略
- 提前梳理过往科研项目中与“非平稳决策”、“事件驱动建模”或“离线评估”相关的经验，准备STAR法则案例
- 关注阿里妈妈技术博客与近期顶会论文，面试时可针对性提出对现有出价系统的改进设想
- 突出强化学习相关课程成绩、科研项目经历及独立负责的算法模块设计与实验结果
- 详细列出掌握的数学工具（随机过程、微分方程、优化理论）及对应的实际应用案例
- 附上已发表或在审的顶会/期刊论文链接，重点标注个人贡献度与核心创新点
- 展示Python/PyTorch工程能力，提供GitHub开源项目或完整可运行的算法复现代码仓库
- 系统复习《Reinforcement Learning: An Introduction》核心章节，重点攻克连续时间控制与Neural ODE理论
- 动手复现1-2篇ICLR/NeurIPS关于World Model或Offline RL的论文，熟悉实验配置与基准数据集
面试指南
- 理论结合实践：先清晰阐述数学原理与公式推导，再映射到具体业务场景的数据特征与约束条件
- 对比分析思维：回答算法选型问题时，主动对比多种方案的假设前提、计算复杂度与适用边界
- 实验严谨性导向：强调数据清洗、基线对齐、统计显著性检验与多轮迭代验证的标准流程
- 请详细解释连续时间强化学习与离散时间MDP的本质区别，以及Neural ODE如何用于建模状态转移？
- 在离线策略评估中，如何处理分布偏移（Distribution Shift）问题？重要性采样与DQN/CQL有何优劣？
- 如果线上A/B实验显示新策略ROI提升但转化率下降，你会如何归因并调整CT-Policy？
- 请描述你过去独立完成的一个算法项目，重点说明问题建模、基线选择与消融实验设计
- 面对工业界非平稳流量突变，你的模型如何保证鲁棒性？是否考虑过元学习或自适应机制？
职位点评
薪资福利65
成长发展92
工作生活45
使命价值80
薪资福利
65中等
实习津贴处于互联网大厂市场中上水平，但作为短期培养型岗位，薪酬福利并非核心吸引力，更多体现为阶段性补贴。
薪资信号未披露（AI估算：7.0千–1.2万/月）
成长发展
92较高
深度参与前沿连续时间强化学习与广告商业化落地，具备极强的技术成长性与顶会发表机会，职业发展天花板高。
技术前沿前沿/新兴技术
技术栈Continuous-Time RL、Neural ODE/SDE、World Models、Offline RL、PyTorch、反事实评估
业务类型profit_center
工作生活
45较低
未提及弹性办公或WLB保障，顶会投稿与算法落地通常伴随较高的科研压力与项目节奏，需做好高强度投入准备。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
致力于将前沿AI技术应用于实际商业决策，推动广告系统智能化升级，具有明确的工业价值与技术使命感。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs