强化学习算法实习生（广告投放优化方向）

调研强化学习（RL）在广告投放领域的落地案例，包括出价策略优化、流量分配、创意优选等场景； 参与构建广告投放环境的仿真模型，设计状态空间、动作空间、奖励函数（如 ROI、曝光量、转化成本）； 复现经典 RL 算法（DQN/PPO/SAC），并针对广告投放的非平稳性、延迟奖励问题进行改进； 与业务同学协作，将 RL 模型的实验结果转化为可落地的投放策略建议，输出实验报告。 在读本科生 / 研究生，计算机、自动化、数学等相关专业，熟悉强化学习基础理论； 掌握至少一种 RL 框架（Stable Baselines3/Tianshou/Spinning Up），能独立复现经典算法； 了解广告投放基本逻辑（如 RTB 竞价、ECPM 计算）优先，有相关竞赛 / 项目经验者加分； 熟练使用 Python、PyTorch/TensorFlow，具备数据分析能力（Pandas/Matplotlib）； 每周至少出勤 3 天，实习周期 3 个月以上，能快速融入团队。 岗位职责 调研强化学习（RL）在广告投放领域的落地案例，包括出价策略优化、流量分配、创意优选等场景； 参与构建广告投放环境的仿真模型，设计状态空间、动作空间、奖励函数（如 ROI、曝光量、转化成本）； 复现经典 RL 算法（DQN/PPO/SAC），并针对广告投放的非平稳性、延迟奖励问题进行改进； 与业务同学协作，将 RL 模型的实验结果转化为可落地的投放策略建议，输出实验报告。 岗位要求 在读本科生 / 研究生，计算机、自动化、数学等相关专业，熟悉强化学习基础理论； 掌握至少一种 RL 框架（Stable Baselines3/Tianshou/Spinning Up），能独立复现经典算法； 了解广告投放基本逻辑（如 RTB 竞价、ECPM 计算）优先，有相关竞赛 / 项目经验者加分； 熟练使用 Python、PyTorch/TensorFlow，具备数据分析能力（Pandas/Matplotlib）； 每周至少出勤 3 天，实习周期 3 个月以上，能快速融入团队。 职位信息 职位级别 职位级别 - - 发布日期 发布日期 2026-03-24 2026-03-24 职位类别 职位类别 高端职位(技术) 高端职位(技术) 职位性质 职位性质 实习 实习 所属部门 所属部门 陌陌MOMO 陌陌MOMO 职位名称 职位名称 强化学习算法实习生（广告投放优化方向） 强化学习算法实习生（广告投放优化方向） 申请职位 模块标题 链接标题 链接标题 链接标题 链接标题 链接标题 链接标题 模块标题 链接标题 链接标题 链接标题 链接标题 链接标题 链接标题 © 2021-2022 公司名称 京公网安备 11010802024479号 京ICP备15060035号-3 关于我们 描述 描述 热招职位