字节跳动AIGC算法策略工程师-Ads Core
任职要求
1、自然语言处理、机器学习、人工智能等相关专业的硕士/博士生； 2、熟练使用Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力； 3、在大模型推理、多模态方向有实战的训练和模型设计经验者优先，熟悉了解并掌握Transformer、Diffusion、LLM、VAE、CLIP等优先 4、对Llama/Qwen/Hunyuan/Deepseek/Kimi等开源模型迭代优化有深入理解，有大模型领域顶级会议文章（NerulPS、ICLR、KDD、ICML等）者优先； 5、对技术有很强的好奇心和兴趣、主动性强、有良好的沟通和团队协作意识。
工作职责
团队介绍：Ads core-creative支持字节中国区商业化广告的创意生态、创意生产、创意个性化分发产品的核心算法能力建设，覆盖抖音、头条系（头条、西瓜、番茄等）、穿山甲的等流量场景的创意优化。 动态创意作为自动化投放系统（UB max）的核心能力之一，通过多模态大模型实现更智能的创意生产和投放。AIGC技术的爆发推动全新的创意生产和投放模式，相比传统的依赖先验知识、通过启发式探索的方式，端到端生产和投放的模式符合广告投放目标且能帮助客户跑量的创意。 1、构建下一代创意生产-投放AI Agent： 1）基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案/图像到视频的全模态创意AIGC； 2）针对商业化各场景定制化训练和优化模型，提升模型在各素材中的生产效率、素材质量、多样性，逐步接近人类生产水平； 3）建立近实时反馈的创意进化飞轮，构建近线反馈的素材生产模式+自动化投放，实现广告创意的动态化、个性化生产和投放，最终提升广告的变现效率； 2、大模型能力面向场景定制化： 1）围绕商业化多样性目标，构建鲁邦、防Kacking的Rewardmodel，指导生成模型实现对业务收益的优化； 2）构建基于多模态的推理模型，能够直接推理学习高跑量创意的原因，并结合生成模型生成多模态素材。
团队介绍：Ads core-creative支持字节中国区商业化广告的创意生态、创意生产、创意个性化分发产品的核心算法能力建设，覆盖抖音、头条系（头条、西瓜、番茄等）、穿山甲的等流量场景的创意优化。 动态创意作为自动化投放系统（UB max）的核心能力之一，通过多模态大模型实现更智能的创意生产和投放。AIGC技术的爆发推动全新的创意生产和投放模式，相比传统的依赖先验知识、通过启发式探索的方式，端到端生产和投放的模式符合广告投放目标且能帮助客户跑量的创意。 1、构建下一代创意生产-投放AI Agent 1）基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案/图像到视频的全模态创意AIGC； 2）针对商业化各场景定制化训练和优化模型，提升模型在各素材中的生产效率、素材质量、多样性，逐步接近人类生产水平； 3）建立近实时反馈的创意进化飞轮，构建近线反馈的素材生产模式+自动化投放，实现广告创意的动态化、个性化生产和投放，最终提升广告的变现效率； 2、大模型能力面向场景定制化 1）围绕商业化多样性目标，构建鲁邦、防Kacking的Rewardmodel，指导生成模型实现对业务收益的优化； 2）构建基于多模态的推理模型，能够直接推理学习高跑量创意的原因，并结合生成模型生成多模态素材。
团队介绍：Ads core-creative支持字节中国区商业化广告的创意生态、创意生产、创意个性化分发产品的核心算法能力建设，覆盖抖音、头条系（头条、西瓜、番茄等）、穿山甲的等流量场景的创意优化。 动态创意作为自动化投放系统（UB max）的核心能力之一，通过多模态大模型实现更智能的创意生产和投放。AIGC技术的爆发推动全新的创意生产和投放模式，相比传统的依赖先验知识、通过启发式探索的方式，端到端生产和投放的模式符合广告投放目标且能帮助客户跑量的创意。 1、构建下一代创意生产-投放AI Agent 1）基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案/图像到视频的全模态创意AIGC； 2）针对商业化各场景定制化训练和优化模型，提升模型在各素材中的生产效率、素材质量、多样性，逐步接近人类生产水平； 3）建立近实时反馈的创意进化飞轮，构建近线反馈的素材生产模式+自动化投放，实现广告创意的动态化、个性化生产和投放，最终提升广告的变现效率； 2、大模型能力面向场景定制化 1）围绕商业化多样性目标，构建鲁邦、防Kacking的Rewardmodel，指导生成模型实现对业务收益的优化； 2）构建基于多模态的推理模型，能够直接推理学习高跑量创意的原因，并结合生成模型生成多模态素材。
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。
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。