广告增长AIGC算法工程师-国际化电商广告（北京/上海）

优缺点分析

角色解读

• 技术纵深发展：从AIGC算法工程师成长为多模态/强化学习专家，引领广告技术方向
• 管理路线：带小团队（Tech Lead）或转技术管理，负责广告增长算法团队
• 业务拓展：深入理解广告商业化，转型产品/策略岗位，或进入其他增长场景
• 研发适配广告场景的LLM/MLLM，提升广告创意（文案、图片、视频）的生成质量与转化效果
• 探索强化学习与智能体在广告投放中的创新应用，实现自动化营销与智能客服
• 跟踪前沿技术（如Omni多模态、Copilot），推动算法从研究到工程落地
• 扎实的深度学习基础，精通PyTorch或TensorFlow，熟悉分布式训练
• LLM/MLLM方向：掌握Transformer、Prompt Engineering、模型微调、RLHF等
• Agent方向：具备任务规划、记忆机制、工具调用、多智能体协作经验
• 优秀的工程能力：精通Python、C++，有复杂系统设计能力，竞赛获奖优先

申请策略

• 在简历或附信中表达对广告商业化场景的热情，强调技术结合业务的能力
• 准备一两个端到端的AIGC项目案例，涵盖问题定义、数据构建、模型训练、效果评估
• 突出AIGC相关项目经验，特别是LLM/MLLM微调、多模态生成或Agent规划的具体成果
• 量化业绩：如创意CTR提升、模型推理效率优化等指标
• 强调顶会论文、竞赛获奖（ACM/Kaggle）及开源贡献
• 展示工程能力：复杂系统设计、大规模分布式训练经验
• 若缺乏Agent经验，可自学LangChain、AutoGPT等框架，动手搭建简单Agent Demo
• 加强RLHF和强化学习基础，阅读PPO、GRPO等算法论文

面试指南

• STAR原则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，量化成果
• 技术选择要对比主流方案，说明为什么选A不选B，并指出trade-off
• 遇到问题先定位（数据/模型/工程），再提出假设并实验验证
• 请详细描述你做过的一个AIGC项目，包括模型选型、训练技巧和效果指标
• 如何设计一个基于LLM的广告文案生成系统？可能有哪些挑战？
• 强化学习在广告场景中如何应用？请举例说明Policy Gradient或PPO的适用性
• 多模态模型（如CLIP、BLIP）在广告创意理解中如何发挥作用？
• 如果模型上线后CTR不升反降，你会如何排查和优化？