logo of xiaohongshu

小红书广告算法实习生-行业方向

实习兼职策略算法地点:北京 | 上海状态:招聘

任职要求


熟练掌握至少一种编程语言:Java/C++/Scala/Python,掌握TensorFlow/PyTorch框架,具有Spark/Flink实战经验;
具备广告/推荐/搜索系统全链路优化经验者优先(包括但不限于召回/排序/机制设计);
熟悉机器学习数据挖掘领域前沿技术,在国际顶级会议(Recsys、KDD、NIPSICML、ACL)以第一作者发表过高水平论文者优先;
有机器学习数据挖掘等相关项目实际经验者,或者知名数据挖掘比赛(例如KDD Cup等)中取得领先名次者优先;

工作职责


针对行业设计差异化的召回、粗排、精排等模型能力升级,构建行业深度定制化系统能力;
从事搜索和信息流广告中教育、出行等线索留咨类行业的变现效率策略研究;
从流量策略、机制策略、智能出价、投放产品升级等方向提升行业消费空间;
以行业视角洞察行业预算和投放形态,优化成本达成、冷启、投放稳定性等核心客户体验;
包括英文材料
Java+
C+++
Scala+
Python+
TensorFlow+
PyTorch+
Spark+
机器学习+
数据挖掘+
ICML+
RecSys+
NeurIPS+
相关职位

logo of bytedance
实习A49332

团队介绍:国际商业化产品与技术团队支持字节跳动国际产品的广告产品与变现技术。我们负责end2end的大型广告系统建设,为客户提供商业推广方式与方案。我们的团队遍布北京、上海、美国、新加坡等地,在这里你将有机会开阔自己的国际化视野,接触到全球领先的商业产品架构、模型和算法,并有机会参与并推动互联网广告行业的创新和变革。 课题背景: 随着全球化业务的快速增长,广告场景面临千亿级数据训练、毫秒级实时响应、多模态内容理解与生成的综合挑战。传统广告模型(如CTR/CVR预估)在分布式训练效率、长序列用户行为建模、长尾泛化能力等方面逐渐面临瓶颈。与此同时,LLM技术为广告系统带来了革新机遇——从基于AIGC的广告素材生成、大规模超长序列建模、多模态视频内容理解,到隐私安全增强的联邦学习框架,以及通过大语言模型重构用户意图挖掘与定向策略等,均成为行业前沿探索方向。 课题挑战: 在广告业务场景中,探索LLM技术突破传统模型能力边界:一方面需重构广告召回与排序机制,通过长周期用户兴趣建模解决短行为序列的局限性,同时满足广告系统高实时响应要求,实现LLM增强的全域流量效率提升;另一方面需实现AIGC广告素材的规模化生产与精准控制,平衡品牌规范约束与创意多样性,适配全球化场景下的多语言与文化合规需求。此外,如何从非结构化行为数据中挖掘用户隐式意图,突破冷启动、泛化性等业务瓶颈,成为提升广告效果的关键技术创新方向。 另外广告生态特有的复杂约束对LLM技术提出更高要求:在海量站内站外信号的背景下,解决超大规模稀疏数据下的模型迭代效率问题;同时需构建隐私安全的LLM协同计算框架,在保障数据合规的前提下实现广告主专属数据与平台模型的深度协同。这些挑战要求技术方案兼具算法创新与系统工程能力,以应对广告场景中特有的实时性、规模化和合规性等多重挑战。

更新于 2025-03-03
logo of bytedance
实习A15928A

团队介绍:国际商业化产品与技术团队支持字节跳动国际产品的广告产品与变现技术。我们负责end2end的大型广告系统建设,为客户提供商业推广方式与方案。我们的团队遍布北京、上海、美国、新加坡等地,在这里你将有机会开阔自己的国际化视野,接触到全球领先的商业产品架构、模型和算法,并有机会参与并推动互联网广告行业的创新和变革。 课题背景: 随着全球化业务的快速增长,广告场景面临千亿级数据训练、毫秒级实时响应、多模态内容理解与生成的综合挑战。传统广告模型(如CTR/CVR预估)在分布式训练效率、长序列用户行为建模、长尾泛化能力等方面逐渐面临瓶颈。与此同时,LLM技术为广告系统带来了革新机遇——从基于AIGC的广告素材生成、大规模超长序列建模、多模态视频内容理解,到隐私安全增强的联邦学习框架,以及通过大语言模型重构用户意图挖掘与定向策略等,均成为行业前沿探索方向。 课题挑战: 在广告业务场景中,探索LLM技术突破传统模型能力边界:一方面需重构广告召回与排序机制,通过长周期用户兴趣建模解决短行为序列的局限性,同时满足广告系统高实时响应要求,实现LLM增强的全域流量效率提升;另一方面需实现AIGC广告素材的规模化生产与精准控制,平衡品牌规范约束与创意多样性,适配全球化场景下的多语言与文化合规需求。此外,如何从非结构化行为数据中挖掘用户隐式意图,突破冷启动、泛化性等业务瓶颈,成为提升广告效果的关键技术创新方向。 另外广告生态特有的复杂约束对LLM技术提出更高要求:在海量站内站外信号的背景下,解决超大规模稀疏数据下的模型迭代效率问题;同时需构建隐私安全的LLM协同计算框架,在保障数据合规的前提下实现广告主专属数据与平台模型的深度协同。这些挑战要求技术方案兼具算法创新与系统工程能力,以应对广告场景中特有的实时性、规模化和合规性等多重挑战。

更新于 2025-03-03
logo of bytedance
实习A21976A

团队介绍:我们是支持抖音集团广告业务算法技术中台团队Ads Core,致力于研发全球领先的在线广告优化算法,营造健康、互惠的广告生态,持续提升用户和客户体验,引领并推动行业算法的变革与创新。我们承担了抖音集团产品广告变现业务的基础算法策略和机制的改进与研究,涵盖抖音、今日头条、番茄小说等场景的商业化技术的支撑。 课题介绍: 自动化投放,是在客户给定的 营销诉求约束和素材商品资产下,平台通过感知投放状态信息(state)对投放6 要素做实时决策(action),和投放系统交互获得效果反馈(reward),来最大化客户投放效果。 过去自动化已经初步完成单Action model based 决策,在素材/出价/创编/探索预算等均有落地,但仍有以下问题:1)对历史序列建模 不够;2)仅对未来短期做决策,缺乏未来长周期action planning,不是长期最优; 3)多 action 之间缺乏组合,带来互相干扰和 label 收集不准等问题。 多客户投放竞价时,平台提供一套激励兼容且更高效的拍卖机制很重要,目前混排已经升级到 Generator-Evaluator 架构,但 G 阶段生成序列时还以暴力搜索和启发式规则为主,限制了搜索空间和效果上限,效率比较低。随着生成式模型发展,生成式对长序列建模和序列 planning生成 有显著优势,因此探索 将自动化投放和拍卖机制继续升级到生成式范式, 提升效果。

更新于 2025-03-03
logo of bytedance
实习A44812

团队介绍:我们是支持抖音集团广告业务算法技术中台团队Ads Core,致力于研发全球领先的在线广告优化算法,营造健康、互惠的广告生态,持续提升用户和客户体验,引领并推动行业算法的变革与创新。我们承担了抖音集团产品广告变现业务的基础算法策略和机制的改进与研究,涵盖抖音、今日头条、番茄小说等场景的商业化技术的支撑。 课题介绍: 自动化投放,是在客户给定的 营销诉求约束和素材商品资产下,平台通过感知投放状态信息(state)对投放6 要素做实时决策(action),和投放系统交互获得效果反馈(reward),来最大化客户投放效果。 过去自动化已经初步完成单Action model based 决策,在素材/出价/创编/探索预算等均有落地,但仍有以下问题:1)对历史序列建模 不够;2)仅对未来短期做决策,缺乏未来长周期action planning,不是长期最优; 3)多 action 之间缺乏组合,带来互相干扰和 label 收集不准等问题。 多客户投放竞价时,平台提供一套激励兼容且更高效的拍卖机制很重要,目前混排已经升级到 Generator-Evaluator 架构,但 G 阶段生成序列时还以暴力搜索和启发式规则为主,限制了搜索空间和效果上限,效率比较低。随着生成式模型发展,生成式对长序列建模和序列 planning生成 有显著优势,因此探索 将自动化投放和拍卖机制继续升级到生成式范式, 提升效果。

更新于 2025-03-03