岗位职责： 1. 内容理解与特征工程：通过数据挖掘与机器学习，利用大语言模型（LLM）对微博各类内容进行深度语义建模，建立更精准的用户意图与广告内容关联 。 2. 前沿技术追踪：调研并追踪生成式推荐(Generative Recommendation)及大模型在广告业务的前沿发展，探索其在提升社交化广告投放效果中的应用潜力 。 3. 广告算法优化：参与推动微博广告算法的优化迭代，辅助创意优化或用户冷启动问题，实现广告转化效果提升 。 4. 数据洞察与改进：从结构化和非结构化数据中发现优化可能，通过模型分析和工程手段持续驱动产品进化 。 5. 严谨实验评估：利用统计学方法合理分析 A/B 实验结果，确保对算法优化后的广告效果进行科学、严谨的评估 。 岗位要求： 1. 研究与求知欲：对技术研究有浓厚兴趣，能够在短时间内理解并吸收推荐/广告领域的前沿论文及开源资源，包括但不限于大语言模型、生成式架构。 2. 算法功底：具有机器学习、数据挖掘、自然语言处理（NLP）或信息检索等一个或多个领域的理论背景 。 3. 编程技能：扎实的编程功底，精通 Python 等脚本语言 。 4. 核心理解：熟悉常见机器学习算法与数据结构，能够发现并捕捉广告业务中的核心数据问题 。 5. 团队协作：良好的沟通表达能力，具备主动沟通意识与团队合作精神 。 优先条件： 1. 大数据处理：熟悉海量数据处理，了解 Hadoop、Spark 等大数据分析系统 。 2. 深度学习实战：深入应用过 TensorFlow、PyTorch 等框架，对 LLM 微调（SFT）、Prompt Tuning 或生成式模型在排序系统中的应用有相关项目经验者优先 。 3. 竞赛与学术：发表过相关领域顶级论文，或在 Kaggle、ACM/ICPC、NOI 等高水平比赛中获奖 。