Auto-research算法专家（搜广推ToC方向）

优缺点分析

角色解读

• 可向Auto-research技术专家、算法架构师或搜广推业务技术负责人方向发展，在前沿AI技术与业务落地结合上积累深厚壁垒
• 负责在搜广推场景下建设Agent参与的自动化实验流程，探索Auto-research技术的落地
• 参与算法迭代全链路的自动化提效，优化实验设计与模型调参，验证线上线下效果关系
• 具备大规模搜广推算法生产经验，扎实的实验设计与效果归因能力
• 熟悉多日训练、在线实验、版本管理及资源成本分析，有自动化实验或自主实验的实操经验

申请策略

• 准备至少一个完整实验的成功案例以及一次失败案例的复盘，展现对实验设计的深刻理解和从失败中学习的反思能力
• 突出在大规模搜广推算法中的生产经验，详细列举主导的自动化实验或自主实验项目
• 强调实验设计、效果归因以及模型调参的具体成果和数据指标
• 深入了解Auto-research、AI Agent在代码生成和实验设计中的最新论文与开源实践
• 复习并巩固A/B测试理论、因果推断及大规模分布式训练的资源调度优化

面试指南

• 采用STAR法则回答项目经验，重点突出背景、任务、行动和结果
• 对于失败案例，重点放在问题定位、根因分析和后续改进措施上
• 请详细描述你负责过的一次多轮自动化实验，你是如何设计并执行的？
• 在搜广推场景中，如何验证离线/缩量结果与线上A/B测试之间的一致性？
• 请分享一次你主导的完整实验及一次失败的实验，你从中学到了什么？
• 在Auto-research场景下，如何利用Agent进行自动化假设生成和模型调参？
• 熟悉美团核心本地商业的业务逻辑及其搜广推场景的特点
• 复习Auto-research、LLM Agent相关的最新技术进展及在算法科研中的应用案例