【快Star】广告算法工程师

方向一：RTB 投放优化

1. 01

   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；

2. 02

   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；

3. 03

   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；

4. 04

   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

1. 01

   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；

2. 02

   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；

3. 03

   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；

4. 04

   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；

5. 05

   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。

加分项

1. 01

   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；

2. 02

   有因果推断或 Uplift 建模经验，熟悉 Meta-Learner、DR-Learner 或相关估计方法；

3. 03

   有 LLM 相关顶会论文发表经历（NeurIPS、ICML、ICLR、ACL、EMNLP、KDD 等）；

4. 04

   有 Agent、RAG、Tool-Augmented LLM 相关项目或研究经验；

5. 05

   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；

6. 06

   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；

7. 07

   参与过开源 LLM 项目（如 LLaMA、Qwen、DeepSeek、FLUX、CogVideo 等）的复现或二次开发。