大模型搜索广告算法工程师-国际化搜索广告

优缺点分析

角色解读

• 深入大模型与搜索广告结合领域，成为算法专家
• 向技术Leader发展，带领团队推动创新
• 积累高质量论文和专利，提升行业影响力
• 将大模型技术应用于搜索广告场景，如AI搜索、视觉搜索、相关性大模型等，通过Agentic RL实现新范式
• 建设多模态数据和模型，构建搜索广告大模型LLM底座，融合行业知识
• 定期输出SOTA模型，解决实际业务问题，并沉淀专利和论文
• 扎实的大模型应用经验，包括Agent构建、模型精调、多模态大模型、RAG等
• 熟练掌握至少一种编程语言：Go、C/C++、Python
• 具备批判性思维和清晰沟通能力，能够独立解决问题

申请策略

• 准备一个端到端的大模型应用案例，展示从方案设计到落地的能力
• 了解字节跳动国际化搜索广告业务方向，思考如何用大模型提升广告效果
• 突出大模型相关项目经验，特别是Agentic RL、模型精调、多模态等
• 强调在NLP或搜索领域的论文、专利或开源贡献
• 展示编程能力和工程实现细节，如使用Go/C++/Python的经验
• 系统学习Agentic RL和RAG技术，掌握前沿论文
• 加强多模态大模型的理解和实践，如CLIP、LLaVA等
• 熟悉搜索广告业务逻辑，了解广告排序和竞价机制

面试指南

• STAR法则回答项目经历：情境-任务-行动-结果，突出技术难点和你的贡献
• 对设计类问题，先理解业务场景，再提出方案和权衡
• 编程题注意代码规范和边界条件，可先讲思路再写
• 请介绍一个你使用大模型解决实际问题的项目
• Agentic RL在搜索广告中如何应用？请设计一个框架
• 多模态大模型的训练数据如何构建？如何处理图文对齐？
• 手写一个Transformer的forward函数（Python伪代码）
• 你如何评估大模型在广告搜索中的效果？