快手
【快Star】广告算法工程师
【快Star】广告算法工程师
发布于 大约 2 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
PyTorch
强化学习
因果推断
AIGC
大模型
CTR预估
Cvr预估
Rtb
AI 估算 · 4k–8k
快手大厂算法实习，技术要求高，但实习薪资一般为市场中等偏上，考虑北京生活成本，月薪约4-8k。
职位详情
关于这个职位
该岗位是快手广告算法实习岗，聚焦RTB投放优化和增长投放Agent系统两大方向
你将参与CTR/CVR模型、智能调价策略、因果推断、大模型Agent、AIGC素材生成等前沿技术的研究与工程落地，适合对计算广告和AI有热情的同学
最低要求
在读研究生（硕士/博士），计算机、人工智能、统计学、电子信息等相关专业，数学与编程基础扎实
熟悉机器学习基础理论，掌握 Transformer 架构及主流深度学习框架（PyTorch 等），能独立完成模型训练与调试
熟悉大模型基本原理与训练流程（预训练 / 微调 / 对齐），有实际动手经验者优先
具备良好的数据处理与工程能力，能独立承担从数据构建、模型训练到迭代上线的完整流程
学习能力强，对技术问题具备深入探究的热情，沟通协作能力良好
工作职责
方向一：RTB 投放优化
参与实时竞价（RTB）链路中的核心算法研究与工程优化，覆盖点击率预估（CTR）、转化率预估（CVR）等关键模型的迭代
研究面向增长目标的智能调价策略，探索基于强化学习、约束优化等方法的出价模型，提升 ROI 与用户增长效率
深入 Uplift 建模方向，研究因果推断与增量效果估计方法（如 Meta-Learner、DR-Learner 等），区分广告真实增量人群，优化增长投放效率
结合大规模稀疏特征、序列行为建模、跨域迁移等技术，持续提升增长场景下精排模型的准确性与泛化能力
方向二：增长投放 Agent 智能体系统
参与增长投放 Agent 系统的研发，涵盖工具调用（Tool Use）、记忆机制（Memory）与多步规划（Planning）能力，实现广告投放策略的自动化分析与决策
将大模型与投放数据查询、人群定向、预算分配、素材优选等业务工具打通，构建从洞察到执行的 AI 决策闭环
参与 AIGC 驱动的广告素材智能生产系统研发，探索基于多模态大模型（文生图、文生视频、图文混排等）的素材自动化生成能力，降低人工创作成本
研究素材质量评估与效果预测方法，构建素材生产—投放—反馈的闭环优化机制，利用投放数据驱动素材迭代与个性化定向生产
研究 Agent 在复杂增长任务中的可靠性与泛化能力，探索 long-horizon 多步规划在真实投放场景中的落地路径
与产品、工程、运营团队紧密协作，将 Agent 能力从实验原型推进至规模化业务部署
优先资格
有强化学习（RL）背景，熟悉 PPO、GRPO 或相关策略优化方法，理解 reward 设计与训练稳定性
有因果推断或 Uplift 建模经验，熟悉 Meta-Learner、DR-Learner 或相关估计方法
有 LLM 相关顶会论文发表经历（NeurIPS、ICML、ICLR、ACL、EMNLP、KDD 等）
有 Agent、RAG、Tool-Augmented LLM 相关项目或研究经验
有多模态生成（文生图/文生视频）或 AIGC 内容生产相关研究或项目经验
有推荐系统、计算广告或用户增长方向的相关背景或实习经历
参与过开源 LLM 项目（如 LLaMA、Qwen、DeepSeek、FLUX、CogVideo 等）的复现或二次开发
AI 洞察
优缺点分析
优点
- 方向前沿，覆盖强化学习、因果推断、大模型Agent、AIGC等多热点
- 团队技术氛围好，有顶会论文发表机会
- 技术要求高，需要同时掌握多领域知识，学习曲线陡峭
- 实习期可能面临高强度工作，需要快速产出
- 业务场景复杂，需与产品、工程等多团队协作
- 适合对计算广告和AI技术有强烈热情、学习能力强、希望在实习中快速成长的研究生
缺点 / 挑战
- 快手是大厂，平台大，业务数据丰富，技术挑战高
角色解读
- 积累广告算法与AI前沿技术经验，可向推荐系统、计算广告方向深入发展
- 实习表现优异可转正，成长为团队核心算法工程师
- 技术视野广阔，未来可向机器学习专家或AI架构师方向发展
- 参与广告投放核心算法研发，包括点击率/转化率模型、智能调价策略等
- 研究因果推断与Uplift建模，区分广告增量效果，优化投放效率
- 参与大模型驱动的Agent系统开发，实现投放策略自动化决策
- 探索AIGC广告素材智能生成，构建闭环优化机制
- 扎实的机器学习基础，熟悉Transformer和PyTorch
- 掌握大模型基本原理和训练流程，有实际动手经验
- 具备较强工程能力，能独立完成数据处理、模型训练到部署
- 对强化学习、因果推断、Agent或AIGC任一方向有深入理解更佳
申请策略
- 在简历和面试中展示对广告算法或增长投放的热情，以及解决实际问题的能力
- 关注快手技术博客或公开分享，了解团队技术方向，可在面试中谈及
- 突出机器学习项目经验，尤其是CTR/CVR、强化学习、因果推断等相关经历
- 强调大模型或Agent相关动手实践，如微调、RAG、Tool Use等
- 如有顶会论文或开源贡献，务必重点展示
- 体现工程能力和数据处理经验，如大规模特征工程、模型部署等
- 提前复习强化学习（PPO、GRPO）和因果推断（Meta-Learner）基础知识
- 尝试复现一个LLM Agent项目（如LangChain工具调用）
面试指南
- STAR法则：情境、任务、行动、结果，结合具体项目阐述
- 首先解释基本概念，然后结合自己经验或理解深入分析优缺点
- 如果不会，可诚实说明并展示学习思路和类比能力
- 请讲一下你在CTR预估或推荐系统中用过哪些模型？如何处理特征？
- 你理解强化学习中的PPO算法吗？它的reward设计要注意什么？
- 什么是Uplift建模？Meta-Learner和DR-Learner的区别是什么？
- 你如何设计一个包含工具调用的Agent？请举例说明
- 你对AIGC广告素材生成有什么想法？如何评估生成质量？
匹配度报告
64
综合匹配度
快手广告算法实习，前沿技术栈，成长空间巨大，但工作强度大、WLB一般。
适合人群
适合极度注重技术成长、能接受高强度工作、对广告算法和AI前沿有极大热情的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利50
成长发展95
工作生活30
使命价值80
薪资福利匹配
50较低
实习薪资未明确，但快手作为大厂福利较好，不过实习生薪酬一般不算高，稳定性有限。
薪资信号未披露（AI估算：4K-8K/月）
成长发展匹配
95较高
该岗位技术栈前沿，覆盖多个AI热点，有大量学习成长机会，发展性极强。
技术前沿前沿/新兴技术
技术栈强化学习、因果推断、大模型、Agent、AIGC、Transformer、PyTorch、RL、Uplift、LLM
业务类型profit_center
工作生活匹配
30较低
北京现场办公，通勤时间长，实习强度可能较大，WLB一般。
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
广告技术是商业变现核心，具有较高行业价值，但社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs