小红书
【2027校招】商业广告算法工程师
【2027校招】商业广告算法工程师
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Aigc
Ctr/Cvr模型
Pytorch/Tensorflow
分布式训练
广告算法
强化学习
推荐系统
深度学习
值不值得投
73综合评分
综合评分 73
技术挑战高、商业价值明确、成长空间大的校招算法岗，适合技术导向的应届生，但工作生活平衡需进一步了解。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
35K
比算法优化工程师中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1360 个在招 · 其中算法优化工程师 6 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 110 个在招
职位详情
关于这个职位
这是小红书广告算法团队面向2027届校招的岗位
你将参与构建业界领先的下一代在线广告投放系统，负责全链路优化（包括召回/排序/相关性等模块），并通过模型算法、出价策略和自动化技术提升广告收入与投放效果，打造健康的广告生态
最低要求
本科及以上学历，计算机、软件工程等相关专业
优秀的代码能力，熟练掌握PyTorch/TensorFlow等深度学习框架，具备一定大规模分布式数据处理和训练实战经验
出色的问题分析和解决问题能力，有自主探索解决方案的能力
良好的沟通协作能力，能和团队一起探索新技术，推进技术进步
出色的心理素质与应变能力，面对困难勇于迎接挑战
面对复杂局面沉着、冷静、灵活
工作职责
参与小红书广告全场景、全链路优化，包括召回/粗排/精排/混排/相关性各模块的整体优化，构建业界领先的下一代广告投放系统
模型算法：负责搜推召回、粗排、精排等模块的CTR、CVR、LTR等模型优化工作，使用DIN、SIM、Transformer、Scaling、LRM等技术极致的提升模型效果，提升小红书广告收入
出价算法：负责出价优化工作，包括转化出价、ROI出价、UBX自动化高维组合出价等相关产品的出价优化工作，使用PID等控制学理论、监督学习、强化学习等技术提升出价效果，提升小红书广告收入
自动化算法：负责自动化投放优化工作，包括自动化新建计划、自动化关停计划、素材创意自动化生产&组合等工作，使用增益建模、监督学习、强化学习、AIGC等技术提升自动化投放效果，提升小红书广告收入
投放策略：负责投放策略相关工作，包括DPA投放、用户体验、大促策略、新客户策略等优化工作，需要深入理解业务，配合产品设计线上策略，优化客户投广效果和体验
优先资格
在TPAMI/CVPR/ACL/ICML/ICLR/NeurIPS等顶级期刊会议发表过论文者优先
有开源项目贡献经历（如参与过HuggingFace、Tensorflow、PyTorch、GitHub生态开发）的同学优先
AI 洞察
优缺点分析
优点
- 直接对广告收入负责，工作成果量化清晰，容易获得成就感
- 小红书社区生态独特，“社区+搜索”双引擎的广告系统具有技术特色，能积累独特的行业经验
- 广告系统技术迭代快，需要持续学习和跟进最新的算法模型与技术
- 适合对推荐系统、广告算法有浓厚兴趣，具备扎实机器学习基础和工程实践能力的2027届计算机相关专业毕业生
- 希望将算法技术应用于解决实际商业问题，并追求快速技术成长的求职者
缺点 / 挑战
- 技术挑战大，能接触和解决在线广告系统中的真实、复杂的工程和算法问题，技术成长空间广阔
- 需要平衡算法效果与商业目标，对业务理解有较高要求，不仅仅是纯技术研究
- 作为校招新人，需要快速融入团队，承担有挑战性的任务，可能面临较大的学习和成长压力
角色解读
- 技术专家路线：深耕广告算法某一方向（如模型、策略），成为该领域的技术专家或架构师
- 技术管理路线：在积累足够业务理解和团队协作经验后，可转向技术团队管理岗位
- 业务拓展路线：凭借对广告生态的深刻理解，可转向产品策略、商业分析或AI产品经理等岗位
- 负责广告投放系统中召回、排序（粗排、精排）等核心算法的模型优化与迭代，直接提升广告点击率、转化率等核心指标
- 研究和应用先进的出价策略算法，如ROI出价、自动化出价，利用控制论和强化学习技术优化广告主的投放效率
- 开发和优化广告投放的自动化能力，如自动创建/关停计划、利用AIGC生成创意素材，提升投放效率和效果
- 深入理解广告业务，设计并优化具体场景的投放策略（如大促、新客户），将技术能力落地为业务价值
- 扎实的编程与工程能力，能熟练使用Python，并精通PyTorch或TensorFlow等至少一种主流深度学习框架进行模型开发
- 熟悉推荐系统、广告算法的基本原理和模型，如CTR/CVR预估，并了解DIN、Transformer等模型结构
- 具备大数据处理和分布式训练的实战经验，能够处理海量数据并进行大规模模型训练
- 具备较强的分析问题、解决问题的能力和自主学习能力，能应对复杂的算法挑战
申请策略
- 深入了解小红书广告产品的形态和特点（如信息流广告、搜索广告），思考技术如何赋能其“社区+搜索”模式
- 关注广告算法领域的最新动态和技术趋势，在面试中展现自己的学习热情和思考深度
- 重点突出与广告算法、推荐系统相关的课程设计、竞赛或实习项目经历，量化模型优化效果（如AUC、收入提升百分比）
- 详细描述使用PyTorch/TensorFlow、分布式训练（如Spark、Parameter Server）的项目经验，体现工程落地能力
- 如有，在顶级会议（TPAMI/CVPR等）发表论文或参与知名开源项目的经历是极大的加分项，应单独列出
- 强调自主解决技术难题、团队协作沟通的具体事例，体现软技能
- 系统复习并深入理解主流广告推荐模型（如DeepFM, DIN, DIEN）和序列模型（Transformer），可尝试复现经典论文
- 学习并实践分布式深度学习训练框架，如PyTorch Distributed或TensorFlow的分布式策略，补充大规模训练经验
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化描述项目经历，突出个人贡献和量化结果
- 对于模型问题，先阐述原理，再结合实际场景（如小红书的图文内容特点）分析优劣和适用性
- 回答业务问题时，展现结构化思维：先明确优化目标，再考虑影响因素（如预算、竞争环境），最后提出模型或策略框架
- 对于开放性问题，表明自己的思考过程，并承认局限性，体现严谨的科研态度
- 请介绍一个你做过的与推荐/广告相关的项目，遇到了哪些技术挑战？你是如何解决的？
- 在CTR预估模型中，如何处理高维稀疏特征和用户行为序列？请对比DIN和Transformer在这方面的优劣
- 如果让你设计一个广告出价策略来优化ROI，你会考虑哪些因素？如何建模？
- 什么是样本偏差（Sample Bias）？在广告CVR预估中，如何解决样本选择偏差问题？
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
作为校招岗位，薪资在行业内具备一定竞争力，公司规模较大，稳定性较好。
薪资信号市场水准 (25K-45K/月)
成长发展
85较高
岗位涉及前沿的广告推荐、大模型与强化学习技术，技术深度和业务结合度高，有明确的技术成长路径和培养计划（校招身份）。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、Transformer、DIN、SIM、强化学习、AIGC
业务类型profit_center
工作生活
50较低
JD未明确提及工作时间或弹性办公安排，广告算法团队通常与业务指标强相关，工作节奏可能较快，WLB信息不足。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
广告技术直接驱动商业变现，能清晰看到个人工作对公司营收和客户增长的价值，行业属于稳定成熟的数字营销领域。
行业发展稳定成熟行业
社会影响中性/一般
使命信号创造健康和互利的广告生态、引领行业创新性解决方案、推动行业变革
创新程度积极采用新技术
Watch Jobs