淘天算法技术-用增外投广告算法-杭州/北京

优缺点分析

角色解读

• 在广告算法领域深耕，成为大模型应用与推荐系统结合方向的专家
• 可向技术Leader或算法方向负责人发展，带领团队推动业务落地
• 依托阿里平台，获得超大规模工业级场景的实战机会，积累顶尖技术影响力
• 负责手淘外投广告的召回与粗排模型优化，提升广告投放漏斗效率
• 探索生成式召回，利用大模型的世界知识增强用户理解，生成优选素材
• 对用户兴趣和商品/素材进行表征学习，优化超大规模场景的召回效果
• 结合广告位理解、标题生成等方向，挖掘算法驱动业务增长的机会
• 扎实的推荐系统或广告系统算法基础，掌握召回、粗排、精排等核心环节
• 大模型SFT应用经验或多模态模型（文本/图像生成）项目经验
• 精通Java或Python，熟练使用TensorFlow或PyTorch进行模型开发与部署
• 良好的团队合作与沟通能力，对前沿技术有热情

申请策略

• 了解淘天外投广告业务场景，准备相关案例分析
• 关注阿里巴巴招聘流程，内推可提高曝光率
• 突出推荐系统或广告系统的完整项目经历，特别是召回、粗排等环节的优化成果
• 强调大模型SFT或多模态项目经验，并量化业务指标提升
• 展示竞赛获奖或顶会论文，突出算法理论功底
• 写明熟练掌握的编程语言和深度学习框架
• 深入理解大模型SFT的工业级应用，熟悉主流开源模型和微调框架
• 复习推荐系统核心算法，如双塔模型、向量召回、粗排蒸馏等

面试指南

• 采用STAR法则：情境-任务-行动-结果，突出个人贡献和业务收益
• 展示系统思考：从问题定义、方案选型、实验设计到上线监控的闭环
• 强调量化结果：用具体指标提升（如CTR、GMV）证明效果
• 如何设计外投广告的召回漏斗？如何优化召回效率？
• 你如何用大模型SFT解决实际问题？具体案例和效果？
• 生成式召回与传统向量召回相比有何优劣？如何落地？
• 在超大规模场景下，如何平衡模型效果和计算资源？
• 请描述一个你主导的广告算法项目，从问题定义到上线优化的完整过程