小米
顶尖应届-广告算法工程师-互联网
顶尖应届-广告算法工程师-互联网
发布于 大约 13 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
硕士
研究与开发 (研发)
Automl
Controlnet
Llm
Lora
Pytorch
多模态大模型
强化学习
扩散模型
贝叶斯优化
AI 估算 · 25k–45k
小米上市巨头，北京AI算法岗竞争激烈，顶尖应届薪资处于行业较高水平，考虑月数15。
职位详情
关于这个职位
该职位是小米面向顶尖应届生开放的广告算法工程师岗位，聚焦生成式广告模型和自动化算法优化Agent两大前沿方向
你将参与基于多模态大模型的广告创意生成系统设计，以及基于LLM的自主算法优化Agent研发，推动广告投放效果的持续提升
适合对AI技术有热情、希望在工业级场景中实践前沿算法的优秀硕博毕业生
最低要求
学历与成果：
届博士或优秀硕士，计算机、人工智能、数学、运筹优化等相关专业
在以下任一方向有顶会/顶刊论文者优先：生成模型（扩散、自回归、多模态）、AutoML、自动算法优化、基于LLM的Agent决策、强化学习、贝叶斯优化
生成式广告模型方向能力：
深入理解扩散模型、Transformer、多模态对齐、可控生成等技术，熟练使用PyTorch/TensorFlow/JAX
有大规模生成模型训练、微调（LoRA/ControlNet等）或推理优化（蒸馏、量化）的实际经验
具备广告/推荐业务基本认知，能够基于数据驱动方式评估生成质量与商业收益
通用自动算法优化Agent方向能力：
熟悉LLM Agent框架（如LangChain、ReAct、Reflexion）以及如何让LLM生成结构化算法操作指令
掌握贝叶斯优化、多臂老虎机、强化学习（PPO/SAC等）或决策Transformer中至少一项技术，并有应用于超参调优、模型选择或策略优化的实践经验
了解工业级AutoML系统（如Google Vizier、Optuna）或有广告系统模型训练/特征工程经验者加分
工作职责
生成式广告模型方向：
设计并训练/微调基于多模态大模型（扩散模型、LLM、Transformer等）的广告创意生成系统，实现文案、图片、视频、口播脚本等素材的高质量可控生成与个性化定制
构建用户画像与生成模型深度融合的端到端框架，通过效果反馈（CTR/CVR）闭环迭代生成策略，提升广告创意的转化效率与多样性
探索生成内容的可控性技术（品牌安全、合规性、可解释性），并搭建自动化质量评估体系（主观、相关性、商业潜力等指标）
推动生成模型的工程化落地（模型蒸馏、量化、推理加速），实现在线广告投放系统的毫秒级响应
通用自动算法优化Agent方向：
研发基于LLM/决策大模型的广告算法自主优化Agent，能够感知广告系统状态（模型效果、数据漂移、竞价环境等），自动诊断瓶颈并生成优化动作（超参数调优、模型架构搜索、特征工程、出价系数调整等）
定义标准化的算法优化动作空间，设计安全可回滚的执行接口
搭建广告算法仿真环境或离线回放评估器，用于Agent策略的低成本训练与验证
融合AutoML技术（贝叶斯优化、强化学习、多臂老虎机等）与LLM的规划推理能力，使Agent兼具先验知识利用与高效策略搜索能力
将Agent接入真实广告系统的A/B测试平台与模型训练pipeline，实现从指标监控、策略生成到在线实验的全流程自动化优化闭环
优先资格
在以下任一方向有顶会/顶刊论文者优先：生成模型（扩散、自回归、多模态）、AutoML、自动算法优化、基于LLM的Agent决策、强化学习、贝叶斯优化
了解工业级AutoML系统（如Google Vizier、Optuna）或有广告系统模型训练/特征工程经验者加分
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触多模态大模型、LLM Agent等最热门AI领域，技能积累含金量高
- 工业落地：在真实广告系统中验证算法，能快速积累大规模工程实践经验
- 公司平台：小米作为上市巨头，资源丰富，项目影响力大，职业起点高
- 技术难度大：需要同时掌握生成模型与AutoML/Agent两大方向，学习曲线陡峭
- 竞争激烈：顶尖应届项目汇集优秀人才，内部晋升需持续产出高价值成果
缺点 / 挑战
- 工作强度高：互联网广告业务节奏快，可能面临较大的绩效压力和加班
- 适合对AI技术有浓厚热情、希望在工业界前沿领域快速成长、能够承受高强度挑战的顶尖硕博应届生
角色解读
- 从算法工程师成长为广告AI领域的专家，主导生成式广告或Agent系统的核心技术突破
- 向技术管理方向发展，带领团队负责广告算法整体方向与落地
- 横向扩展到推荐、搜索等其他AI领域，或深造转向前沿研究岗位
- 设计并训练多模态大模型（扩散模型、LLM等）用于广告创意素材的高质量生成与个性化定制
- 构建用户画像与生成模型融合的端到端框架，通过CTR/CVR反馈闭环迭代生成策略
- 研发基于LLM的广告算法优化Agent，自动诊断系统瓶颈并生成调优动作（超参、模型架构等）
- 将Agent接入A/B测试平台，实现从监控到策略优化的全流程自动化闭环
- 扎实的机器学习基础，深入理解扩散模型、Transformer、多模态对齐等生成式技术
- 熟练掌握PyTorch/TensorFlow/JAX，有大规模模型训练、微调或推理优化经验
- 掌握AutoML技术（贝叶斯优化、强化学习等）或LLM Agent框架（LangChain、ReAct等）
- 具备广告/推荐系统业务认知，能基于数据驱动评估生成质量与商业收益
申请策略
- 仔细阅读两个方向的具体职责，在简历中针对性突出自己的匹配点，而非泛泛罗所有技能
- 了解小米广告业务（如小米广告平台、MIUI广告），在面试中展现对具体场景的思考
- 突出在生成模型（扩散模型、LLM等）或AutoML/Agent方向的项目经验，特别是顶会论文或大规模训练经历
- 强调扎实的编程能力和框架使用经验（PyTorch等），可附上GitHub链接
- 展示对广告/推荐业务的理解，如实习中优化CTR/CVR的案例
- 若缺少Agent经验，可自学LangChain、ReAct框架并做一个小项目（如自动调参Agent）
- 补充强化学习（PPO、SAC）或贝叶斯优化的理论知识，并实践于超参优化任务
面试指南
- 对于项目描述题，使用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result），突出你的贡献和量化效果
- 对于设计题，先明确问题定义，然后提出解决方案的框架，包括输入、输出、关键模块和评估方法，最后说明局限性或改进方向
- 请详细描述你参与的一个生成模型项目，包括模型架构、训练策略和最终效果
- 如何将LLM Agent应用于广告出价优化？请设计一个简单的方案
- 什么是扩散模型？它与GAN相比在广告生成中的优缺点是什么？
- 假设广告创意CTR下降，如何通过算法优化Agent自动诊断并解决？
- 你了解哪些AutoML技术？请比较贝叶斯优化和强化学习在超参调优中的适用场景
- 复习生成模型（扩散模型、Transformer）的核心原理和最新进展，准备1-2个自己最熟悉的项目细节
职位点评
68
综合评分
顶尖AI算法岗位，前沿技术栈，薪资高但WLB一般。
更适合这类人
该职位最适合追求技术前沿和快速成长、愿意在高强度环境中积累核心竞争力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值80
薪资福利
60中等
薪资未明确，但小米作为上市大厂，校招薪资具备竞争力；福利方面未提及具体内容，整体满足程度中等。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该岗位涉及多模态大模型、LLM Agent等前沿技术，技术栈先进，能显著提升核心竞争力；JD虽未明确晋升通道，但顶尖应届项目通常有清晰的培养路径。
技术前沿前沿/新兴技术
技术栈多模态大模型、扩散模型、LLM、Transformer、AutoML、强化学习、贝叶斯优化、LangChain、Agent
业务类型profit_center
工作生活
40较低
工作地点在北京且仅现场办公，JD未提及弹性或远程；互联网广告业务可能伴随较高强度，WLB保障不足。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
广告AI赛道正处于高速增长阶段，该岗位创新性强（开拓性技术），虽未直接提及社会使命，但对行业技术发展有推动意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs