研究型实习生-智能算法产品事业部-大模型广告算法工程师

优缺点分析

角色解读

• 向资深算法科学家或技术专家方向发展，主导核心决策模型架构与前沿技术落地
• 转向AI产品经理或技术管理岗，统筹算法策略、业务增长与跨团队协作
• 持续深耕可成为广告AI领域的学术与工业界交叉人才，保持顶会产出与技术影响力
• 聚焦广告自动出价场景的算法研究，探索大模型与生成式方法在决策智能中的应用
• 构建跨场景出价基础模型，设计应对高维非平稳环境的优化算法
• 搭建自动化研究(Auto-Research)闭环，提升模型迭代与实验效率
• 跟踪广告竞价环境变化，持续迭代策略模型以保证投放稳定性与ROI达标
• 扎实的数学与运筹学基础，精通PyTorch等深度学习框架及复杂算法实现
• 熟悉强化学习、博弈论或多智能体决策相关理论，具备算法推导与仿真能力
• 具备顶会论文发表经验或高水平算法竞赛成绩，拥有优秀的英文文献阅读能力
• 出色的编程与调试能力，能独立处理大规模数据与高并发计算任务

申请策略

• 提前梳理科研方向与岗位的契合点，准备详细的算法推导与实验设计思路
• 了解阿里妈妈全站推的业务逻辑与商业化价值，展现技术与业务的结合意识
• 突出顶会一作论文、开源项目贡献及算法竞赛奖项，量化技术影响力
• 详细列出PyTorch实战经历、复杂模型调优过程与性能优化案例
• 强调数理建模能力与算法落地经验，展示从理论到工程的全链路思维
• 补充强化学习与多智能体博弈相关知识，熟悉大模型微调与RLHF技术栈
• 关注广告推荐系统经典文献与最新顶会动态，掌握决策智能前沿进展
• 提升大规模分布式训练与超参调优的工程实践能力

面试指南

• 采用STAR法则结构化阐述项目背景、技术难点、你的具体贡献与选型依据
• 结合数学推导与代码实现双视角说明算法可行性，突出消融实验与对比分析
• 针对业务指标问题，说明如何将学术目标转化为可量化的ROI优化函数
• 请详细介绍你一篇顶会论文的核心创新点、数学推导与实验设计
• 如何在非平稳、高噪环境下设计探索与优化算法？如何保证收敛性？
• PyTorch中如何高效调试百万级参数的模型？遇到过哪些显存或通信瓶颈？
• 谈谈你对Scaling Law在大模型决策应用中局限性的理解与改进思路
• 复习强化学习、博弈论与优化算法核心理论，梳理关键公式与证明逻辑