字节跳动广告算法工程师-搜索广告（Ranking方向）

1、负责字节跳动搜索广告算法优化工作，探索LLM和Ranking相结合，在生成式召回、LRM等方向深入探索，提高Ranking全漏斗的变现效率； 2、利用NLP等技术进行多模态、图文内容理解、直播内容理解等建模优化，应用于整个搜广Ranking链路，提高变现效率； 3、对深度学习算法、图神经网络算法和强化学习算法具备深厚功底，利用机器学习算法行建模优化，提升转化效率； 4、针对搜索广告场景进行针对性特征建设和建模优化，提高搜广变现效率。

1、召回、粗排、精排架构，与算法团队合作，设计并实现包括：ANN召回算法架构、GPU召回算法架构等，解决海量候选场景下的广告排序问题。支撑亿级广告候选排序、优化模型分发速度、提升在线的推理性能、探索业内最新算法的工程落地等，助力业务指标增长； 2、预估与策略平台与架构，设计和实现模型部署和资源调度平台，提升模型资源利用率；设计和实现通用的排序策略框架，通过DSL、图化架构、图编译优化、行列存储数据结构等技术，落地高性能、易使用的排序策略框架，提升排序系统的迭代效率和性能； 3、算力调度平台与架构，设计并实现广告投放系统的延迟、降级、限流、算力分配的自动化、一体化平台和架构，提升广告系统的变现效率和系统稳定性； 4、排序业务工程，基于广告业务特点，设计并实现排序业务架构，包括排序近线系统、LLM模型推理框架、AIGC创意生成框架等。

1、负责GEB广告投放中的各种策略和算法优化，即定向、召回、精排、混排、出价等各阶段模型、策略的优化，极致优化变现效率和广告ROI； 2、深入垂直行业广告诉求，在策略/出价/召回/排序/ROAS等方向，为广告主提供End2End产品解决方案； 3、负责利用策略和模型手段，从用户生态、投放体验、长期可持续的广告业务等方面，探索最新的商业化变现技术和商业产品设计，平衡变现效率和用户体验关系，为广告长期增长负责； 4、参与CTR，CVR等广告模型的设计、开发和迭代，跟踪深度学习、计算广告、推荐系统等最新前沿研究成果和竞赛动态，快速实现并落地应用于实际任务中，结合实际问题开展数据分析和迭代优化，提出创新性解决方案； 5、深入原生/激励/新样式互动等特色业务场景，设计并落地模型、策略一体化方案，推动业务全面发展。

团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、支持火山方舟大模型的应用落地，将字节跳动的内容与大模型相结合，为用户提供更智能的信息服务； 2、探索最前沿的NLP技术，将深度学习模型应用到用户Query分析、Query改写等方向，充分理解用户； 3、利用NLP技术以及大模型技术，对内容进行分析、理解，完成内容打标、内容摘要等信息的生成和提取； 4、通过外挂知识库模式，在内容搜索领域不断探索，使用NLP、多模态技术进行高质量内容召回； 5、将大模型技术和Ranking技术结合，解决内容排序问题。