Job Description

顶尖应届-广告算法工程师-互联网

北京

校招

正式

软件研发类

职位描述

生成式广告模型方向： 1.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； 2.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； 3.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）； 4.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： 1.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）； 2.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； 3.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； 4.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。

职位要求

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： 1.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； 2.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； 3.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： 1.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； 2.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； 3.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。

职位信息

课题名称及内容：

1.基于多模态大模型的生成式广告创意动态优化与个性化生成 -探索扩散模型、LLM、多模态大模型在广告文案、图片、视频、口播脚本等创意素材中的高质量可控生成 -研究用户画像与生成模型深度融合的个性化广告创意自动生成框架 -构建广告效果（CTR/CVR）与创意生成策略的闭环反馈机制，实现生成式创意自动迭代与优化 -解决生成内容品牌安全性、合规性、多样性问题，提升广告生成的可控性和可解释性 2.面向广告系统的自主算法优化Agent：从模型自动选择到在线策略自适应调整 -研究LLM/决策大模型驱动通用算法优化Agent，能够自动分析广告系统离线与在线指标，自主诊断效果瓶颈并生成优化动作（如换模型结构、调整学习率、特征筛选、出价系数修正等） -构建广告算法优化动作空间（包括超参数调优、模型架构搜索、特征工程、数据采样策略、拍卖参数调整等），并设计安全、可回滚的执行接口 -开发环境感知模块：基于日志、指标时序、数据漂移检测等，让Agent理解当前广告系统的“状态” -设计策略执行与评估闭环：Agent在仿真环境或小流量上执行优化动作，自动评估收益并通过强化学习/贝叶斯优化/LLM推理迭代其决策策略

投递