算法专家

优缺点分析

角色解读

• 从算法专家晋升为高级算法专家或技术Leader，负责更大技术方向
• 向广告算法架构师方向发展，主导系统级算法创新与平台建设
• 可横向拓展至推荐、搜索等大模型应用领域，成为AI业务专家
• 设计并优化基于大模型的广告出价策略，解决多目标冲突与转化延迟问题
• 构建B端智能诊断与优化系统，利用Agent和因果推断分析投放效果并生成建议
• 研发广告预算分配算法，结合生成式建模与强化学习实现时空最优分配
• 跟踪Generative Bidding等前沿方向，推动大模型在广告决策中的创新应用
• 扎实的机器学习理论基础，熟悉强化学习、生成式建模（LLM/Diffusion/VAE等）
• 精通Python编程，熟练使用PyTorch或TensorFlow等深度学习框架
• 具备广告推荐、自动出价或预算分配等业务经验者优先
• 具备独立设计算法并工程落地的能力，能处理复杂业务场景

申请策略

• 提前了解京东零售的业务模式和广告产品，思考大模型可优化的切入点
• 面试中多展现对技术落地和业务价值的思考，强调结果导向
• 突出大模型和强化学习相关的项目经验，如基于LLM的策略生成或RLHF实践
• 详细描述在广告推荐、出价或预算分配方面的算法设计与业务提升效果
• 强调工程能力，如模型部署、性能优化、框架使用熟练度等
• 展示独立解决复杂技术问题的案例，体现架构设计和落地能力
• 补充Diffusion、Decision Transformer等生成式模型的知识，并动手实践
• 学习因果关系和因果推断方法，熟悉其在广告诊断中的应用

面试指南

• 针对策略设计类问题，可采用“问题定义-方法选型-建模细节-落地验证”的结构，先拆解业务目标，再对比现有方法优劣
• 对于项目经验问题，用STAR法则，重点突出个人贡献和量化结果
• 对于前沿技术应用，可先谈价值与可行性，再分析风险与权衡，展示系统思考能力
• 如何设计一个基于LLM的生成式出价策略？请阐述整体思路
• 多目标强化学习（如GMV和ROI）如何建模？转化延迟如何处理？
• 请介绍一个你优化广告预算分配的项目，如何评估效果？
• 大模型在广告诊断中的应用有哪些潜在风险？如何避免？
• 如何利用因果推断识别广告投放中的问题？请举例说明