广告模型算法工程师

优缺点分析

角色解读

• 向广告算法专家方向发展，深入模型架构与业务效果优化
• 转向技术管理岗位，带领团队推动业务创新
• 切入大模型、多模态等前沿领域，拓展技术广度
• 负责广告CTR/CVR等核心模型的研发与优化，提升广告转化效果
• 持续改进召回、粗排、精排模型，提高广告匹配效率和投放表现
• 探索多任务学习、大模型、多模态等前沿技术在广告场景中的创新应用
• 扎实的机器学习和深度学习基础，熟悉推荐广告算法
• 熟练使用TensorFlow、PyTorch等深度学习框架，具备工程能力
• 熟悉Transformer、多任务学习、序列建模等核心技术

申请策略

• 准备一个完整的广告模型项目案例，包括问题定义、方案设计、效果评估
• 提前了解B站广告业务特点，思考如何结合其内容生态进行优化
• 突出CTR/CVR等相关项目经验及具体效果提升
• 强调在推荐或广告领域的实践成果，如模型迭代、A/B测试
• 展示对Transformer、大模型等前沿技术的探索或应用
• 补充多任务学习、序列建模的深入理解
• 学习大模型在广告场景的落地案例，如LLM+推荐

面试指南

• 使用STAR方法：描述项目背景、任务、所采取的技术方案、最终效果
• 先分析问题本质，再提出多种方案并说明选择理由
• 强调迭代过程：如何通过实验发现并解决问题，最终带来业务提升
• 请介绍一个你负责的CTR/CVR模型，包括设计思路和优化过程
• 如何处理广告场景中的样本不均衡和延迟转化问题？
• 多任务学习在广告中的应用如何设计？请举例说明
• 大模型在推荐广告中有哪些潜在应用？
• 如何评估模型上线后的效果？有哪些关键指标？