顶尖应届-广告算法工程师-互联网

Job description

生成式广告模型方向

• 设计并训练/微调基于多模态大模型（扩散模型、LLM、Transformer等）的广告创意生成系统，实现文案、图片、视频、口播脚本等素材的高质量可控生成与个性化定制；
• 构建用户画像与生成模型深度融合的端到端框架，通过效果反馈（CTR/CVR）闭环迭代生成策略，提升广告创意的转化效率与多样性；
• 探索生成内容的可控性技术（品牌安全、合规性、可解释性），并搭建自动化质量评估体系（主观、相关性、商业潜力等指标）；
• 推动生成模型的工程化落地（模型蒸馏、量化、推理加速），实现在线广告投放系统的毫秒级响应。

通用自动算法优化Agent方向

• 研发基于LLM/决策大模型的广告算法自主优化Agent，能够感知广告系统状态（模型效果、数据漂移、竞价环境等），自动诊断瓶颈并生成优化动作（超参数调优、模型架构搜索、特征工程、出价系数调整等）；
• 定义标准化的算法优化动作空间，设计安全可回滚的执行接口；搭建广告算法仿真环境或离线回放评估器，用于Agent策略的低成本训练与验证；
• 融合AutoML技术（贝叶斯优化、强化学习、多臂老虎机等）与LLM的规划推理能力，使Agent兼具先验知识利用与高效策略搜索能力；
• 将Agent接入真实广告系统的A/B测试平台与模型训练pipeline，实现从指标监控、策略生成到在线实验的全流程自动化优化闭环。

Qualifications

学历与成果

1.2027届博士或优秀硕士，计算机、人工智能、数学、运筹优化等相关专业； 2.

在以下任一方向有顶会/顶刊论文者优先

生成模型（扩散、自回归、多模态）、AutoML、自动算法优化、基于LLM的Agent决策、强化学习、贝叶斯优化。

生成式广告模型方向能力

• 深入理解扩散模型、Transformer、多模态对齐、可控生成等技术，熟练使用PyTorch/TensorFlow/JAX；
• 有大规模生成模型训练、微调（LoRA/ControlNet等）或推理优化（蒸馏、量化）的实际经验；
• 具备广告/推荐业务基本认知，能够基于数据驱动方式评估生成质量与商业收益。

通用自动算法优化Agent方向能力

• 熟悉LLM Agent框架（如LangChain、ReAct、Reflexion）以及如何让LLM生成结构化算法操作指令；
• 掌握贝叶斯优化、多臂老虎机、强化学习（PPO/SAC等）或决策Transformer中至少一项技术，并有应用于超参调优、模型选择或策略优化的实践经验；
• 了解工业级AutoML系统（如Google Vizier、Optuna）或有广告系统模型训练/特征工程经验者加分。