课题详情： 课题背景： 随着广告投放系统的智能化演进，传统规则驱动和人工运营模式已难以应对复杂投放场景。大语言模型（LLM）在理解与推理方面能力强大，但在广告投放等复杂决策场景的工业应用尚属空白；强化学习（RL）在序列决策方面具有优势，但在高维状态和稀疏奖励下面临探索效率低等瓶颈。本课题致力于探索LLM结合RL，构建具备任务理解、策略规划与持续优化能力的广告投放Agent，推动Agent技术在广告工业界的大规模落地应用，具有重要的学术研究价值与广阔工业前景。 工作内容： 1. 研究多模态大模型与强化学习的深度融合方法，设计并实现广告投放Agent的核心算法； 2. 负责Agent在广告投放场景的策略优化与效果调优，推动技术方案在亿级用户场景落地； 3. 跟进前沿学术进展，产出高质量技术方案与研究论文 课题要求： 1、硕士研究生及以上学历，计算机科学、人工智能、自然语言处理、多模态等相关领域； 2、精通PyTorch/TensorFlow等框架，具备大规模语言模型训练与优化经验； 3、熟悉常见大语言模型如Qwen、LLaMA、GLM等开源模型和多模态大模型，有基座/垂域大模型训练和应用经验； 4、对SFT、偏好对齐（RLHF/DPO）、强化学习、prompt engineering、RAG等大模型相关技术有深入了解； 5、在ACL/EMNLP/NeurIPS/KDD/ICML/CVPR等顶会发表LLM或搜广推相关论文；有开源项目贡献或独立AI Agent开发经验。