大模型算法工程师（广告投放）-Ads Core（北京/上海）

优缺点分析

角色解读

• 技术专家路线：深耕广告算法与大模型领域，成为广告投放算法的核心专家
• 管理路线：带领团队负责广告系统模块的优化与迭代
• 横向发展：转向推荐、搜索等其他算法方向，或拓展至工程架构领域
• 负责字节跳动中国区广告客户侧的算法优化，包括自动化投放、探索与利用、素材创意等方向
• 设计并构建下一代AI自动化投放产品，提升客户投放效果与效率
• 应用强化学习、生成式技术以及大模型，优化广告投放中的成本、跑量、后端效果等关键指标
• 搭建智能化广告投放Agent框架，构建评估体系并持续提升推理效果
• 扎实的编程能力：熟练掌握C++和Python，具备优秀的数据结构与算法基础
• 机器学习/深度学习理论：熟悉常见算法如逻辑回归、GBDT、DNN，并有实践经验
• 前沿技术涉猎：具备大模型、强化学习、智能体（Agent）的相关知识或项目经验
• 业务理解与自驱力：能够深入理解广告业务场景，主动发现并解决问题

申请策略

• 关注字节跳动广告技术博客和业界论文，面试时展现对业务的理解
• 准备系统设计和算法面试，包括手撕代码和机器学习推导
• 突出机器学习项目经验，尤其是强化学习或大模型相关案例
• 展示编程能力，提供GitHub链接或具体代码贡献
• 如有广告相关经验（如出价、竞价、CTR预估），重点描述成果
• 强调业务理解能力，用数据证明优化带来的提升
• 系统学习强化学习理论基础（如MDP、PPO、DQN），并实践小项目
• 了解大模型微调（如LoRA）和推理部署（如vLLM）

面试指南

• 项目类问题：使用STAR法则（情境、任务、行动、结果）结构化回答
• 策略类问题：从问题定义、解决方案设计、实验验证、效果分析逐步展开
• 代码类问题：先明确思路，再编码，注意边界条件和复杂度分析
• 请介绍一个你优化过的机器学习模型，包括问题、方法、效果
• 如何解决广告投放中的冷启动问题？请从算法和策略角度展开
• 强化学习在广告投放中有哪些应用？请举例说明
• 实现一个LRU Cache（手撕代码）
• 如何评估广告投放效果？有哪些关键指标？