广告算法工程师

优缺点分析

角色解读

• 可向广告算法技术专家或架构师方向发展，主导核心算法的创新与迭代
• 也可转向广告产品策略方向，结合业务理解推动广告系统整体升级
• 设计并实现基于LLM和多智能体的智能投放系统，使广告投放自动化和智能化
• 优化广告召回与排序模型，处理千亿级请求，采用生成式召回、图神经网络等技术提升匹配效率
• 构建和迭代pCVR/pLTV等预估模型，利用因果推断和多目标优化解决延迟转化问题
• 精通深度学习框架（TensorFlow/PyTorch），具备扎实的算法与数据结构功底
• 深入理解LLM、强化学习、因果推断等算法，并能在广告场景中落地应用
• 熟悉大数据工具（Hive/Spark/Hadoop）和广告系统机制，有RTA出价或智能体项目经验

申请策略

• 面试前可研究京东广告业务的公开技术博客或论文，了解其技术栈和挑战
• 准备一个完整的广告算法项目案例，从问题定义、方案设计到效果评估，展现系统化思维
• 突出在广告召回、排序、出价或智能体方面的项目经验，量化提升指标（如CTR、ROI提升百分比）
• 展示对LLM、强化学习等新技术的实际应用案例，说明技术创新和业务结合点
• 强调大数据处理能力和系统性能优化经验，体现解决千亿级请求规模的能力
• 补充或加深对生成式召回、多智能体强化学习等前沿方向的了解
• 熟悉京东广告系统（如京东广告平台）的业务逻辑和常见工具链

面试指南

• 对于技术方案类问题，先明确问题背景和目标，然后提出多个可选方案，对比优劣，最后给出推荐方案及理由
• 对于业务影响类问题，强调对ROI和商业价值的关注，说明技术如何服务业务目标
• 如何利用LLM优化广告投放策略？请给出具体方案
• 在广告召回系统中，生成式召回与传统召回相比有哪些优势与挑战？
• 如何解决广告转化延迟归因问题？请结合因果推断方法说明
• 设计一个多目标排序模型，如何平衡CTR和CVR等指标？
• 你如何理解RTA出价中的博弈论？请举例说明
• 复习广告系统的经典模型（如DeepFM、DIN、DIEN）和新趋势（如生成式模型、强化学习）