阿里算法offer真不是那么好拿的

本人bg：阿里妈妈，算法工程师，针对长序列做精准的出价决策的

阿里校招offer真的不是那么好拿的，没点真本事现在真的不好进来了，而且阿里校招分散到了各个层面，有的是直接校招，有的是实习转正，还有很大的头是竞赛，有数学竞赛、有编程竞赛、有大模型竞赛，而且一个比一个重磅。

最近阿里妈妈又开放的这个NeurPS是有极高的国际影响力的，这次比赛也将首次公开约5亿条博弈数据及相应的训练框架，如此大规模的博弈数据在业界是非常少见的，如果你是研究决策智能、强化学习、博弈和生成式模型等领域，那绝对是一次非常好的机会。

此外阿里妈妈这次还提供了超多重磅福利：

• 前10名的队伍将获得由阿里妈妈颁发的比赛证书。
• 前10名队伍的成员将有机会参观阿里巴巴和北京大学，深入了解阿里妈妈的广告平台，并与行业优秀工程师和学术研究人员进行面对面的交流。
• 阿里妈妈将优先为学生提供长期实习机会，为研究人员提供长期访问学者机会。
• 前50名队伍的成员将有机会通过绿色通道直接内推简历（真内推）
• 取得优异成绩的成员将有机会赢得6000美元的赛事奖金！

报名链接：https://link.zhiyeapp.com/r/1kWXgz2BmJ

一共2个赛道：

赛道1：AIGB赛道： 利用生成式模型学习自动出价Agent

在这个赛道中，参赛者需要解决如何针对长序列做精准的出价决策。由于众多竞争对手的策略不断变化，竞价环境异常激烈。传统方法，例如基于强化学习的策略，在面对较长序列决策时，受到误差累积等因素的限制，其性能表现受限。近年来，广义生成模型在决策任务上展现出了较好的应用潜力。因此，本赛道要求参赛者采用广泛的生成式模型，如Diffusion Models、Transformers等，来应对这一挑战。我们诚邀拥有Diffusion Models、Transformers、Foundation Models、大型语言模型（LLMs）及其他生成方法背景的研究者和从业者参与这一挑战。

赛道2：通用赛道：含不确定性的自动出价

在这个赛道中，参赛选手面临的挑战是在大规模拍卖中做出有效的出价决策，这需要有效地感知竞争对手策略的变化。真实世界中复杂的广告拍卖环境带来了额外的挑战，即不确定性。参与者必须考虑消费者到达的随机性、转化行为预测的方差、数据稀疏性及其他因素。我们鼓励参赛者采用多样和创新的方法来解决这一问题。我们欢迎具有强化学习、优化、机器学习、博弈论和数据科学背景的研究人员和从业者来参加这一挑战。

感兴趣可以直接去报名啦，报名时间仅仅有1周，报名链接：https://link.zhiyeapp.com/r/1kWXgz2BmJ