智能算法产品事业部-AI Agent算法工程师-广告算法

优缺点分析

角色解读

• 技术专家路线：从核心算法工程师成长为AI Agent领域的资深专家，主导下一代广告智能体系统的架构演进
• 技术管理路线：在团队中逐步承担更多技术规划与团队管理职责，晋升为技术Leader或技术总监
• 行业影响力路线：通过顶会论文发表、开源社区贡献，建立个人在AI Agent领域的学术和行业影响力
• 主导阿里妈妈核心广告产品中AI Agent相关算法能力的设计与优化，构建营销智能体评价体系，打造行业Agent标杆
• 设计基于长期回报的优化目标与奖励函数，构建复杂环境反馈预估的世界模型，通过大规模强化学习与持续学习提升Agent自适应能力
• 与工程团队合作，推进Agent架构升级、长程任务优化、上下文管理、working memory与长期记忆、Skill编译与自进化等前沿技术落地
• 探索智能体auto-research在广告算法迭代中的应用，跟踪AI Agent领域最新学术进展并转化为可落地的技术方案
• 扎实的计算机科学、人工智能或数学基础，硕博学历或丰富的AI、LLM实践经验
• 强悍的编码能力与AICoding能力，擅长将算力转化为生产力，用AI构建AI
• 熟悉LLM与Agent相关算法原理，尤其在深度学习、大规模强化学习、持续学习、自蒸馏等方向有深入研究
• 具备良好的沟通表达能力、数据驱动分析能力，以及面向具体业务问题的问题定义和抽象能力

申请策略

• 了解阿里妈妈业务和广告算法领域，展示对商业决策场景的理解
• 准备一个完整的AI Agent项目案例，展示从问题定义、方案设计到落地效果的全过程
• 重点突出LLM、AI Agent相关项目经验，特别是大规模强化学习、持续学习、自蒸馏等方向的实践
• 强调AICoding能力和编码功底，展示如何用AI构建AI，将算力转化为生产力
• 突出在广告算法、推荐系统或商业决策场景中的实际应用经验，以及业务效果提升的量化成果
• 如有顶会论文或高质量开源Agent框架贡献，务必重点展示
• 深入学习LLM Agent最新技术，如AutoGPT、MetaGPT等框架，了解Agent架构演进趋势
• 强化大规模强化学习、持续学习等算法方向的实践能力，尝试在开源项目中应用

面试指南

• STAR法则：描述项目背景、任务、行动和结果，突出技术难点和业务价值
• 技术深度+业务视角：在回答技术问题时，结合业务场景，体现对业务的理解
• 前沿+落地：展示对前沿技术的了解，同时强调如何将技术转化为可落地的业务方案
• 请介绍一个你主导的AI Agent项目，包括架构设计、算法选型和业务效果
• 如何设计一个基于长期回报的奖励函数来优化广告投放策略？
• 你如何理解持续学习和自蒸馏在Agent中的应用？请举例说明
• 面对复杂的营销环境，如何构建一个世界模型来预估环境反馈？
• 你如何看待AI Agent在广告算法领域的未来发展趋势？