小红书广告算法工程师（下载/品牌/种草）-商业算法
任职要求
1、计算机相关专业，本科以上学历， 至少1年以上工作经验； 2、在机器学习、数据挖掘、NLP、搜推广系统、运筹优化等一个或多个算法领域有扎实的理论基础和丰富的研发经验，对算法原理及应用有较深入的理解； 3、具有很强的编程能力，至少熟练java/python/golang/c++其中一种开发语言，熟练掌握tensorflow/pytorch；…
工作职责
团队介绍 负责下载/小程序、种草、品牌广告在小红书站内的投放优化，致力于打造一流的商业化系统链路、模型能力和机制策略； 工作职责：（满足以下任一即可） 1、负责广告召回模块中的架构演进、模型建设和策略设计； 2、负责广告精排模块中的CTR、CVR模型的深入优化及整体的特征体系建设，优化深转，优化广告主成本达成； 3、负责bidding策略优化与迭代，对出价建模和调控算法有深入了解，通过算法帮助客户提升广告投放效果，使客户达到营销效率最大化； 4、负责全链路中序列建模、蒸馏学习、级联模型及其他业界重点技术的突破； 5、负责库存预估和在线分配等算法的迭代优化；
1.负责智能投放系统的技术研究与落地。结合LLM、上下文工程、多智能体系统等前沿技术构建新一代的自适应投放决策框架，赋予系统自主理解、决策、执行的能力，实现跨平台、全自动的智能投放； 2.负责广告召回与排序系统的迭代优化，支撑每日千亿级请求。探索并应用生成式召回与排序 (Generative Retrieval/Ranking)、文本语义理解、图神经网络、多模态召回等前沿召回范式，并优化个性化排序机制，实现用户意图的精准捕捉与高效匹配； 3.负责外投广告核心模型体系构建。运用深度学习、因果推断、多模态等技术，持续优化pCVR/pLTV/pΔLTV/pCTR等关键预估模型，攻坚延迟转化归因、多目标融合等业界难题，打造行业先进的模型预测能力； 4.主导RTA实时出价与报价策略升级。运用强化学习、规划求解、生成式出价、博弈论等技术，突破海量场景下的竞价效率瓶颈，实现平台、用户与广告主多方目标的动态平衡，显著提升广告投放ROI。
- 为广告业务的精细化投放提供算法支持，负责广告业务的数据挖掘以及机器学习的算法工作； - 包括但不限于画像建模、广告投放全链路竞价策略； - 优化的流量范围：包含但不限于爱奇艺、联盟相关流量。
1、参与点评广告外投算法体系搭建，基于大规模用户行为数据，优化在线广告策略与模型，提升用户增长规模和效率； 2、参与广告实时竞价策略的研究和实现，利用机器学习、强化学习、博弈策略、因果推断等技术提高海量投放场景的竞价效率； 3、参与大规模深度学习在用户/内容表征学习、向量化召回、CTR/CVR模型预估等的应用和创新，模型能力对标行业前沿； 4、参与多模态大模型等前沿技术的创新应用，基于上述技术持续优化广告创意质量。
1.参与知乎广告核心算法模块的优化，包括但不限于广告召回、排序模型、CTR/CVR 预估、转化建模、广告相关性建模等方向； 2.负责广告投放策略相关算法优化，包括出价策略、预算控制、流量分配、投放效果优化、广告主目标达成等策略设计与迭代； 3.基于业务目标和数据分析，发现模型与策略优化机会，设计实验方案，推动离线评估、在线 A/B 实验和效果归因； 4.参与特征工程、样本构建、模型训练、模型评估、在线预估和策略上线等完整算法链路建设； 5.跟进机器学习、深度学习、强化学习、大语言模型等前沿技术，探索其在广告模型、智能出价、创意理解、广告主增长等方向的应用； 6.与产品、工程、运营等团队协作，理解业务问题并将算法方案落地到实际广告投放场景中，持续提升广告主效果和平台变现效率。