智能算法产品事业部-用增外投广告算法-杭州/北京

优缺点分析

角色解读

• 在技术深度上，可以成为广告算法领域的专家，精通大模型应用和推荐系统优化
• 在业务广度上，可以深入理解广告业务，成长为技术团队负责人或业务线负责人
• 在行业影响力上，有机会在KDD、SIGIR等顶级会议发表论文，成为行业技术领袖
• 负责手淘外投广告的算法优化，包括召回、粗排等核心漏斗的模型迭代，提升广告投放效率和效果
• 应用大模型（如生成式召回）和多模态技术，增强对用户和素材的理解，实现更精准的广告匹配
• 深入研究业务特点，结合素材理解、广告位理解等，挖掘算法驱动的增长点，并推动技术落地
• 探索广告位冷启动、素材冷启动、热品挖掘等前沿方向，提升广告系统的智能化水平
• 扎实的推荐系统或广告系统知识，熟悉召回、粗排、精排等核心环节的建模与优化
• 具备大模型SFT（Supervised Fine-Tuning）应用经验，或多模态模型（文本生成、图像生成）项目经验
• 精通Java、Python等至少一种编程语言，熟练使用TensorFlow或PyTorch进行模型开发、训练与部署
• 具备良好的团队合作和沟通能力，对超大规模机器学习挑战充满热情

申请策略

• 了解天猫外投广告的业务场景和挑战，在面试中展示你的业务洞察力
• 准备一个完整的项目案例，展示你如何利用算法解决实际问题，并带来业务增长
• 突出推荐系统或广告算法项目经验，特别是召回、粗排等环节的优化案例
• 强调大模型SFT或多模态模型的应用经验，展示实际落地成果
• 展示扎实的编程能力，如精通Python/Java，熟练使用TensorFlow/PyTorch
• 如有顶会论文或竞赛获奖经历，务必突出，这是加分项
• 系统学习大模型SFT、多模态模型的最新技术，并尝试在项目中应用
• 深入理解推荐系统/广告系统的核心流程，掌握召回、粗排、精排的建模方法

面试指南

• 回答技术问题时，可以遵循'背景-挑战-方案-结果'的框架，清晰阐述项目背景、技术难点、解决方案和最终效果
• 对于开放性问题，可以结合业务场景，从数据、模型、工程等多个维度进行思考，展现你的系统思维
• 在回答大模型相关问题时，可以强调你对SFT、多模态等技术的理解，以及如何将其应用于工业级场景
• 请详细介绍一下你在推荐系统或广告算法项目中负责的召回或粗排模型优化工作
• 你如何理解大模型SFT在广告场景中的应用？请分享一个你实际应用SFT的项目经验
• 在超大规模场景下，如何设计高效的召回模型？请谈谈你的思路
• 如何评估一个广告算法优化的效果？你会关注哪些指标？
• 请谈谈你对广告位冷启动和素材冷启动的理解，以及如何解决这些问题