课题背景：课题背景：投放与创意生产正在从"人工盯盘、经验调优、拍摄剪辑"升级为"AI 全流程自动托管"——未来广告主只需说清目标，一个 24 小时在线的"AI 数字投手"即可自主完成从广告诊断、策略制定、素材生成到自动出价的全链路托管。这需要把 LLM 的理解与推理能力、Agent 的感知—决策—执行闭环、生成式模型的多模态创意能力，与真实广告投放系统的反馈信号深度融合，让 AI 具备可持续进化的投放与创意能力，最大化广告主长短期收益。 课题挑战： 1.让 Agent 理解复杂、模糊的投放目标（如"稳 ROI 拉量、控成本"），并自主拆解为投放调控与素材生产的动作序列； 2.让生成的素材不仅"看起来可投放"，更能真正带来转化——把点击 / 转化反馈归因回生成模型，形成 ROI 导向的创意闭环，同时满足主体一致性、平台调性与广告合规； 3.在高动态、强反馈延迟的竞价环境中，实现稳定、可解释、可回滚的策略调整，避免"幻觉决策"造成投放事故； 4.构建面向广告业务的长期记忆与领域知识库，并搭建低成本试错的仿真与评估体系，使 AI 投手持续自我迭代。 具体工作： 1. 智能投放：自动化广告托管、Agent智能决策、Agent全链路闭环优化 2. AIGC素材生成：面向投放的文生图、图生图、文生视频、图生视频能力优化

课题要求：学历和专业要求：计算机科学、人工智能、数据科学等相关专业的博士 / 硕士研究生，具备扎实的算法理论基础。 技术技能要求：深入理解 LLM 应用开发，熟练掌握 LangChain 等框架，有 RAG、Function Calling、Memory Mechanism 的实际落地经验；在多模态生成 / 多模态理解领域有深入理解与实际项目经验，掌握扩散模型 / DiT 等生成模型原理； 软性素质要求：问题抽象与拆解能力强，主动推进意识强，注重落地实际效果与业务价值；自驱、务实，能从真实业务 / 用户反馈中发现问题并驱动优化；沟通协作与工程落地能力强，对技术细节有极致追求。