京东
广告算法工程师
广告算法工程师
发布于 大约 17 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
深度学习
PyTorch
强化学习
TensorFlow
LLM
因果推断
AI 估算 · 30k–60k
京东广告算法，前沿技术栈，高级工程师，北京大厂，薪资竞争力强
职位详情
关于这个职位
京东正在招聘广告算法工程师，负责智能投放系统、广告召回排序及核心预估模型的研发
你将运用LLM、深度学习、强化学习等前沿技术，优化千亿级广告系统，提升投放效果和ROI
适合有广告算法经验、精通深度学习框架的候选人
最低要求
计算机科学、数学、统计学等相关专业
广告、推荐、搜索等相关领域的算法研发经验优先
精通TensorFlow/PyTorch等深度学习框架
具备扎实的算法与数据结构功底，熟练掌握Hive/Spark/Hadoop等大数据工具，有大规模机器学习系统性能优化经验者优先
深入理解LLM、深度学习、因果推断、强化学习等核心算法原理，并具备将前沿理论快速转化为业务价值的落地能力
在LLM（含后训练、微调）、上下文工程、多智能体系统等AI技术领域有深入研究或项目落地经验
熟悉Langchain/Langgraph等Agent框架，熟悉MCP/A2A协议等智能体协作协议
具备RTA出价、智能体开发或营销增长（Marketing Growth）项目经验
熟悉广告召回/排序系统，在生成式召排、语义/多模态/图召回或多目标排序方面有深入实践
熟悉广告机制，对博弈论或跨平台竞价决策有深刻理解
符合京东价值观：“客户为先、创新、拼搏、担当、感恩、诚信
”
工作职责
负责智能投放系统的技术研究与落地
结合LLM、上下文工程、多智能体系统等前沿技术构建新一代的自适应投放决策框架，赋予系统自主理解、决策、执行的能力，实现跨平台、全自动的智能投放
负责广告召回与排序系统的迭代优化，支撑每日千亿级请求
探索并应用生成式召回与排序 (Generative Retrieval/Ranking)、文本语义理解、图神经网络、多模态召回等前沿召回范式，并优化个性化排序机制，实现用户意图的精准捕捉与高效匹配
负责外投广告核心模型体系构建
运用深度学习、因果推断、多模态等技术，持续优化pCVR/pLTV/pΔLTV/pCTR等关键预估模型，攻坚延迟转化归因、多目标融合等业界难题，打造行业先进的模型预测能力
主导RTA实时出价与报价策略升级
运用强化学习、规划求解、生成式出价、博弈论等技术，突破海量场景下的竞价效率瓶颈，实现平台、用户与广告主多方目标的动态平衡，显著提升广告投放ROI
AI 洞察
优缺点分析
优点
- 前沿技术栈（LLM、强化学习、因果推断）积累，市场稀缺价值高
- 公司平台成熟，数据与资源丰富，有利于技术深度和影响力的建立
- 广告业务对效果敏感，频繁迭代优化，可能面临高强度工作节奏
- 团队内牛人众多，竞争激烈，需要具备较强的自驱力和沟通协作能力
缺点 / 挑战
- 京东广告业务规模大，每天千亿级请求，挑战和成长空间巨大
- 技术难度高，需要持续学习前沿论文并快速工程落地，压力较大
- 适合有2年以上广告或推荐算法经验，热爱技术、追求创新、能承受一定压力的求职者
角色解读
- 技术方向：从广告算法工程师进阶为技术专家或架构师，主导复杂系统的设计
- 管理方向：积累业务理解后转向技术管理者，带领团队推动广告业务创新
- 跨领域：基于广告算法经验，可拓展至推荐、搜索或AI平台等领域
- 负责智能投放系统的研发，利用LLM和多智能体技术实现广告自动决策
- 优化广告召回与排序系统，应用生成式召回、图神经网络等前沿算法提升匹配效率
- 构建核心模型（如pCVR/pCTR），使用因果推断和多目标融合解决延迟归因等难题
- 主导RTA出价策略，运用强化学习和博弈论实现多方共赢的竞价优化
- 精通TensorFlow/PyTorch等深度学习框架，具备大规模机器学习系统性能优化经验
- 深入理解LLM、强化学习、因果推断等算法，并能快速落地业务价值
- 熟悉广告召回/排序系统机制，掌握生成式、多模态等前沿召回范式
- 掌握Langchain/Langgraph等Agent框架，了解MCP/A2A等智能体协议
申请策略
- 关注京东广告业务的最新动态（如JData、营销增长），在面试中展示行业理解
- 申请时强调与京东价值观“客户为先、创新”的契合点
- 突出广告算法实战项目，特别是召回排序、CTR预估或出价策略的优化经历
- 强调LLM、强化学习或因果推断在工业界的落地案例，展示技术深度
- 量化成果，如点击率提升、ROI增长等指标，体现业务影响
- 深入Langchain/Langgraph框架，实践智能体开发或RTA出价项目的模拟
- 温习强化学习（如PPO、DQN）和因果推断（如双重机器学习）原理，准备面试问答
面试指南
- 项目介绍使用STAR（情境-任务-行动-结果）框架，突出技术难点和个人贡献
- 技术问题先讲原理，再结合业务场景说明应用和权衡，展示深度和广度
- 请详细描述你参与过的一个广告召回或排序项目，涉及哪些技术？效果如何？
- LLM在广告系统中有哪些应用场景？如何解决耗时和准确性平衡的问题？
- 如何用因果推断解决广告转化延迟归因问题？请举例说明
- 强化学习在RTA出价中如何建模？如何处理多目标优化（平台、广告主、用户）？
- 请解释一下生成式召回（Generative Retrieval）的原理和与传统召回的区别
- 复习深度学习、强化学习、因果推断的核心论文，特别是工业界落地案例
匹配度报告
78
综合匹配度
京东广告算法，前沿技术栈，高薪高成长，但WLB一般。
适合人群
最适合追求技术成长和高薪回报，愿意承受一定工作压力的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利匹配
85较高
京东作为已上市巨头，薪酬水平位于行业前25%，且广告算法属于核心利润部门，薪资竞争力强。JD未提及具体福利，但大厂标配五险一金和补充福利可合理推断。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
95较高
职位涉及LLM、强化学习、因果推断等前沿技术，且广告系统规模巨大，技能成长空间极高。JD中明确要求深入研究和落地前沿技术，但未提及晋升通道或培训。
技术前沿前沿/新兴技术
技术栈LLM、深度学习、因果推断、强化学习、图神经网络、多模态、Langchain、Langgraph
业务类型profit_center
工作生活匹配
50较低
工作地点在北京，仅现场办公，未提及弹性工时或远程政策。大厂广告算法岗通常项目周期紧，可能面临一定程度加班，但JD无明确WLB信号。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
80较高
广告技术属于数字经济高速赛道，京东平台影响力大，算法优化直接提升商业效率。JD中未出现社会使命相关表述，但创新性要求高。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs