课题详情： 课题背景：针对工业级商业化推荐系统，结合生成式AI技术构建下一代商业化推荐引擎，并通过强化学习实现持续演进和更新，提升商业化价值天花板 当前挑战：广告推荐系统是实时在线学习，需要构建有效的实时Reward系统，驱动有效实时 On-Policy 演进机制 工作内容： 1.针对广告推荐优化目标ecpm/gmv，结合生成式AI技术，探索并构建下一代生成式推荐系统框架； 2.结合广告推荐系统实时等特点，设计先进的生成式推荐模型架构与训练Recipe，包括 自回归、扩散等生成模型，以及课程学习、预训练、在线训练、强化学习等； 3. 跟踪国际顶级学术会议与业界生成式推荐最新进展，形成技术路线与专利布局，产出高水平学术论文与技术报告。 课题要求： 1.计算机相关专业硕士及以上学历，博士优先，具有扎实的计算机和机器学习基础，拥有优秀的编程能力和工程能力，学习能力强，具备良好的团队协作意识和主动性。 2.在搜广推系统、生成式AI、机器学习等一个或多个领域有较深入的研究，包括但不限于判别式推荐、生成式推荐、LLM/MLLM、图像生成/编辑、视频生成/编辑； 3.具有较强的实践能力，发表过高水平学术会议论文或者有竞赛经验者优先；