Kwai logo
快手
【快Star】游戏广告Agent算法工程师

【快Star】游戏广告Agent算法工程师

发布于 大约 2 小时前

普通员工/个人贡献者

北京市
中级经验
全职员工
仅现场办公
硕士
广告
机器学习
RAG
LLM
推荐系统
多模态
大模型
RLHF

AI 估算 · 25k–45k

快手上市大厂,算法岗薪资竞争力强,硕士+中级经验,月薪2.5-4.5万合理,技术前沿,需求旺盛。

职位详情

关于这个职位

这个职位是快手游戏广告方向的算法工程师,你将专注于大模型和多模态技术在广告推荐系统中的落地,通过优化模型提升广告匹配效率和业务增长

工作涉及与大模型Prompt调优、RAG、RLHF等前沿技术,并需要与产品、运营团队紧密协作,是技术驱动业务的典型角色

最低要求

硕士及以上学历,计算机、数学、统计学等相关专业

精通c/c++、java、python等至少一门编程语言
有较强的工程实现能力,熟悉LLM、多模态技术基本原理
强烈的技术热情和学习渴望,对技术驱动业务有不懈的追求,具备优秀的分析和解决问题的能力,良好的沟通能力,较强的团队合作精神

工作职责

负责大模型在广告应用场景落地的相关工作

结合大模型的生成理解能力,将大模型prompts调优、RAG应用、大模型对齐微调、RLHF等技术在推荐和广告核心业务场景落地,提高推荐和广告系统的匹配效率,推动业务高速发展
负责多模态技术在广告应用场景落地的相关工作
结合多模态表征学习、diffusion等生成式建模方法,提高推荐和广告模型的跨域理解能力
跟踪AI行业及大模型技术发展,结合业界前沿技术和业务需求,不断推进推荐和广告算法设计升级
了解业务,与公司各技术团队密切配合,能与产品、运营等角色高效沟通需求和目标,发挥自己的主观能动性,设计技术解决方案,培养自己的良好的业务sense和综合素质

优先资格

有机器学习、数据挖掘、自然语言处理、推荐系统等相关研究经验或工作经验优先

在相关领域顶级会议上发表论文者优先
在搜广推等工业场景有实际落地者优先

AI 洞察

优缺点分析

优点

  • 快手作为上市大厂,平台大,业务场景丰富,技术落地机会多
  • 大模型和多模态是当前AI最热门方向,技能积累价值高,市场竞争力强
  • 团队技术氛围浓厚,能接触前沿研究和工业实践,对职业发展助力大

缺点 / 挑战

  • 技术迭代快,需要持续学习保持前沿,工作压力可能较大
  • 广告系统对效果要求高,模型优化需反复实验,可能面临时间紧迫的挑战
  • 团队协作范围广,需要与不同角色高效沟通,对综合素质要求较高
  • 适合对AI技术有强烈热情、喜欢挑战、追求技术价值落地的应届生或初级研究员,能快速成长并承担核心任务

角色解读

  • 技术深耕:从算法工程师成长为领域专家,深入大模型、多模态方向
  • 管理方向:积累业务 sense 后转向技术管理,带团队负责广告算法整体方案
  • 跨领域拓展:可转向推荐、搜索、AI平台等方向,成为全栈AI人才
  • 优化广告推荐系统的大模型和多模态算法,提升匹配效率
  • 结合实际业务,设计并落地Prompt调优、RAG、RLHF等大模型技术方案
  • 跟踪AI前沿,将最新研究转化为业务价值,与团队协作推动模型迭代
  • 扎实的编程能力,精通Python或C++,能高效实现算法模型
  • 深入理解LLM和多模态技术原理,有实际项目落地经验者优先
  • 熟悉推荐系统或广告系统,具备机器学习、NLP等研究基础
  • 良好的业务沟通能力,能与产品、运营协作,将技术转化为业务增长

申请策略

  • 快手“快Star”项目非常看重潜力,面试中多展现学习热情和解决问题的能力
  • 关注快手广告业务的最新动态,面试时可以结合具体场景讨论技术方案
  • 突出LLM或多模态相关项目经验,说明你在其中的具体贡献和技术细节
  • 如果有搜广推工业落地经历,重点描述模型效果提升和业务指标改善
  • 展示编程能力和工程实现能力,如代码仓库、竞赛获奖等
  • 如果有顶会论文,务必列出,体现研究深度
  • 系统学习大模型原理(Transformer、RLHF等),动手实现一个Fine-tuning或RAG项目
  • 强化推荐系统知识,了解微软、Google等大厂的广告算法架构

面试指南

  • 回答技术问题时,先阐述核心原理,再结合你的实际经验,最后总结效果和改进方向
  • 设计类问题,先明确目标和约束,再分步骤提出方案,并交代数据、模型、评估等关键点
  • 对于开放性讨论,保持结构化:现状-问题-方案-展望,展现逻辑和深度
  • 请介绍你在LLM或多模态项目中使用的技术,以及如何评估效果?
  • 如何利用大模型优化广告点击率预估?请设计一个方案
  • RLHF中的奖励模型如何训练?有哪些挑战?
  • 多模态特征融合有哪些常见方法?在推荐系统中如何应用?
  • 你如何看待大模型在广告商业化中的前景?

匹配度报告

74
综合匹配度

快手快Star项目,大模型多模态核心算法岗,技术前沿、成长快,但工作强度大、WLB一般。

适合人群
最适合追求技术成长、勇于挑战前沿、愿意在核心业务中快速积累经验的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展92
工作生活50
使命价值80

薪资福利匹配

75中等

快手上市,薪资待遇在行业中有竞争力,但JD未明确薪资和具体福利,属于中上等水平。

薪资信号未披露(AI估算:25K-45K/月)

成长发展匹配

92较高

职位聚焦大模型和多模态前沿技术,有大量实践机会,团队技术氛围好,成长空间巨大。

技术前沿前沿/新兴技术
技术栈大模型、LLM、多模态、RAG、RLHF、推荐系统、广告、diffusion
业务类型profit_center

工作生活匹配

50较低

仅现场办公,未提及弹性工作或WLB,互联网大厂广告部门可能工作压力较大。

工作模式仅现场办公
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值匹配

80较高

广告是快手核心变现业务,技术驱动增长,行业前景好,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
创新程度积极采用新技术
Watch Jobs