阿里国际智能技术-推荐广告大模型算法工程师-日常实习生

优缺点分析

角色解读

• 在顶尖业务场景中积累大规模推荐与广告算法的实战经验，向资深算法专家发展
• 通过持续产出顶会论文，在学术界和工业界建立个人影响力，未来可转向研究员或算法架构师
• 运用大模型、深度学习、强化学习等前沿技术，解决电商推荐与广告场景中的业务挑战
• 负责文本和多模态大模型的训练与推理加速，以及电商场景下的表征优化
• 在推荐、多模态或Agent大模型领域进行单点研究突破，并产出高水平学术论文
• 扎实的机器学习、深度学习基础，熟悉大模型、强化学习、推荐/广告算法等前沿技术
• 具备优秀的算法实现与工程能力，能够进行大模型训练和推理加速
• 拥有较强的科研能力，有顶会论文发表经验或竞赛获奖经历者优先

申请策略

• 提前了解阿里国际的业务背景及推荐广告团队近期的技术分享或论文，面试时展现对业务的思考
• 重点突出在推荐、广告、大模型或多模态领域的项目经验及顶会论文发表情况
• 展示在机器学习或数学竞赛中的优异成绩，证明扎实的数理与算法基础
• 强调对技术驱动业务的热情，以及解决复杂工程问题的实际案例
• 深入学习大模型训练、推理加速及Agent相关技术
• 熟悉电商推荐与广告系统的核心链路（召回、精排、多目标优化等）

面试指南

• 论文/项目问题：采用STAR法则，重点突出问题定义、你的核心贡献（创新点）、实验对比结果及业务/学术价值
• 技术深度问题：先阐述基本原理，再结合具体场景或项目说明应用细节，最后探讨该技术的局限性与优化方向
• 请详细介绍你发表的一篇顶会论文的核心创新点及实验结果
• 在电商推荐场景中，如何利用大模型进行表征优化或生成式推荐？
• 大模型推理加速有哪些常见的方法？你在实际项目中是如何应用的？
• 面对多目标优化问题，你通常采用什么策略来平衡不同目标？
• 复习推荐系统、深度学习、大模型相关的经典论文与前沿进展，特别是团队发表过的论文
• 准备手撕代码，重点练习机器学习算法实现、图算法或动态规划等高频考点