腾讯营销-搜索广告算法专家

优缺点分析

角色解读

• 技术专家路线：持续深耕大模型与广告算法交叉领域，成为搜索广告或AI算法领域的权威专家，影响公司技术方向
• 技术管理路线：在具备出色技术能力的基础上，逐步承担团队管理职责，带领小团队进行技术攻坚和业务创新
• 跨领域发展：利用在搜索广告领域积累的大模型应用经验，拓展至其他AI应用场景，如内容理解、推荐系统等
• 负责搜索广告的核心算法研发，特别是将大语言模型（LLM）应用于广告系统的全链路改造，包括意图理解、召回、排序等环节
• 研究和落地生成式召回与排序技术，推动广告推荐系统从传统级联模型向端到端模型演进
• 构建和优化广告相关性模型，利用大模型的预训练、微调及多模态能力，提升搜索词与广告内容的匹配质量
• 扎实的机器学习与深度学习理论基础，特别是对大语言模型（LLM）的原理、训练、微调和部署有深入理解和实战经验
• 熟练使用Python进行算法开发和实验，并具备C++工程能力，以保障算法在实际系统中的高效运行
• 强大的工程实现与问题排查能力，能够将前沿的算法研究转化为稳定、高效的产品功能
• 对互联网广告系统（特别是搜索广告）的业务逻辑和技术栈有较好的理解

申请策略

• 在申请材料或面试中，清晰地阐述你对“如何用LLM重塑搜索广告”的思考和见解，展示你的技术前瞻性
• 研究腾讯广告产品（如微信广告、QQ广告）的形态和业务模式，了解其面临的挑战，思考你的技术如何赋能业务
• 准备好讨论一个你主导或深度参与的大模型项目，从问题定义、方案设计、技术选型到最终落地效果，完整清晰地表达
• 重点突出与大模型相关的项目经验，特别是涉及模型训练、微调、部署以及在搜索/推荐/广告等具体场景落地的案例
• 详细描述使用Python和C++解决复杂工程问题的经历，体现你的代码能力和系统思维
• 量化项目成果，例如通过算法优化提升了某项核心指标（如点击率、转化率、收入）的具体百分比
• 提及参与的学术会议、发表的论文或开源贡献，以证明技术影响力和学习能力
• 系统复习大模型相关技术（如Transformer、微调、RLHF、Prompt Engineering），并尝试复现一些经典论文或参与开源项目

面试指南

• 使用STAR法则（情境、任务、行动、结果）来组织你的项目经验回答，突出你在其中的角色、技术决策和最终贡献
• 对于技术方案类问题，采用“问题分析 -> 传统方法瓶颈 -> 大模型解决方案 -> 预期收益与挑战 -> 验证方式”的框架来系统阐述
• 对于前沿技术探讨，结合你对相关论文或开源项目的了解，有逻辑地分析其优缺点和适用场景，并联系实际业务需求
• 请详细介绍你过往在大模型算法方面的项目经验，特别是在XX场景下的应用？
• 如果让你负责搜索广告的召回环节，你如何利用大模型进行技术升级？请描述你的思路和潜在挑战
• 在将大模型应用于广告排序时，如何平衡模型效果（如点击率预估）与线上服务的性能（如延迟）要求？
• 你如何看待生成式召排（Generative Retrieval）技术？它可能解决传统级联模型的哪些问题？
• 你最近关注AI领域的哪些新进展？你认为它们可能对搜索广告算法产生哪些影响？