小红书广告算法工程师-Ads core
任职要求
1. 精通机器学习（LR/GBDT/DNN）及主流框架（TensorFlow/PyTorch）； 2. 精通广告拍卖机制（GSP/uGSP/VCG），精通客户自动出价算法（MPC/RL），能够基于业务宏观目标进行机制优化； 3. 扎实的编程能力（Python/Java/C++），熟练处理大规模数据（Hadoop/Spark）； 4. 逻辑严谨，具备业务目标拆解和模型快速迭代能力。 加分项 * 有广告竞价、广告行业（e.g. 电商、线索）优化经验、有策略模型全栈算法能力； * 顶会论文（KDD/SIGIR/RecSys）或广告算法竞赛Top排名； * 熟悉因果推断等前沿技术在广告场景的应用； * 有一线深入了解客户需求、问题并提供解决方案的经验。
工作职责
1. 负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2. 站在跨域跨行业视角，做深技术，做浅交互，赋能平台多行业健康有序发展； 3. 方向1：模型方向面向跨域、跨载体、跨业务通用建模，面向全新领域探索求解； 4. 方向2：流量策略方向面向平台变现效率、行业竞争公平性、搜索/推荐均衡性、拍卖激励兼容属性做深度优化； 5. 方向3：出价策略方向抽象跨域跨行业通用范式，为不同行业的客户提供稳定快速成本可控的拿量体验； 6. 方向4：自动化投放面向简单、需求自适应、投广标的聚合、冷启动等维度，打造最先进的跨行业客户投放工具； 7. 跟踪广告算法前沿技术，推动工业级落地。
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。
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。
主要负责字节广告中台技术，包括抖音、头条、番茄小说等app等核心场景提供前沿的技术革新与支撑，包括： 1、模型优化：对CTR、CVR、召粗等核心广告模型进行调优，引入AIGC社区前沿技术，进行算法与架构co-design，提升线上收入，优化Training及Serving效率； 2、构建与广告主生态激励兼容的新一代广告投放系统：从模型和架构的角度出发，不断完善线上投放系统，为极致的投放效率和系统容量保驾护航； 3、智能算力决策系统：利用ML及规划算法优化机器资源调度，在有限的资源容量下最大化广告变现效率； 4、激励算法：利用因果推断建模、样式及策略优化，构建客户跑量、用户低价心智及平台收入的三赢生态； 5、归因算法：持续优化广告归因策略，引入Data Driven Attribution，提升客户的价值度量精度和大盘收入。
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。 1、参与/负责业务广告排序算法优化，提升系统变现效率及客户体验； 2、负责大规模广告系统的全链路优化（召回/粗排/精排），持续提升系统变现效率； 3、充分感知客户反馈，通过全链路优化从根本提升客户体验，包括模型泛化/素材探索与利用/自动定向等。