主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "【北斗】广告大模型算法工程师 -【生成式广告】",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京市 / 上海市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "2027届本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【愿景】\n广告系统长期采用\"召回→粗排→精排→出价→拍卖\"的多级漏斗架构，各模块独立优化导致目标不一致，前链路制约后链路上限，漏斗效率折损大。\n随着大模型与生成式技术的快速发展，工业界已在端到端生成式广告方向进行了系统性布局，验证了生成式框架在候选生成、全链路排序、创意生成和机制设计等环节的技术可行性，其强大的表征能力和良好的Scaling特性为广告系统的范式跃迁提供了新的可能性。本岗位致力于在探索如何利用生成式技术重塑整个广告系统，通过端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型联合决策空间。\n\n【你将参与】\n1.生成式召回：突破传统检索范式，探索广告场景下的生成式候选生成方案，包括层次化语义ID设计（RQ-VAE/VQ-VAE）、以及召回与排序联合端到端优化。\n2.生成式预估：设计支持大规模候选端到端打分的生成式排序框架，探索\"预训练+业务对齐（RLHF/DPO）\"的分阶段训练范式，解锁广告模型的Scaling规律，驱动系统从人工调参向算力堆叠迭代跃。\n3.生成式创意：基于多模态大模型实现广告创意的自动生成与动态组合，结合用户实时意图的个性化创意定制，以及创意与广告主商业目标的对齐优化，提升创意与用户的匹配深度。\n4.生成式机制：构建端到端可学习的广告拍卖机制，将出价、分配、计费纳入统一生成框架，建模广告外部性（排列位置、上下文交互对转化率的影响），在保证近似激励相容性（IC）的同时最大化平台RPM。",
"requirements_text": "【任职资格】\n2027届本科及以上学历，计算机、人工智能等相关专业，且以下条件至少满足一项：\n1.在顶级期刊或学术会议以第一作者身份发表论文（或导师一作，自己为二作）。\n2.在顶级大赛上获奖。\n3.有大厂实验室实习经验，或有贡献突出的开源项目。\n【为什么是我们】\n1.核心业务场景：美团广告是公司核心商业化引擎，算法研究成果直接影响公司盈利，技术贡献可量化衡量。\n2.顶级数据规模：亿级用户的本地生活广告场景，涵盖 toC 与 toB 多模态数据，真实工业约束（强稀疏信号、严格时延、多目标优化）构成国内最具挑战性的广告算法研究环境之一。\n3.学术合作资源：团队与头部高校保持持续的联合研究合作，提供会议投稿支持与学术产出通道。",
"skills": [AI生成
"建模",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4532117352&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4532117352",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4532117352&jobShareType=1"
},
"fulltext": "【北斗】广告大模型算法工程师 -【生成式广告】\n【北斗】广告大模型算法工程师 -【生成式广告】\n\n基础信息\n工作地点：北京市 / 上海市\n职位类别：技术类\n职位族群：算法\n更新时间：2026-06-03\n\n岗位职责\n【愿景】\n广告系统长期采用\"召回→粗排→精排→出价→拍卖\"的多级漏斗架构，各模块独立优化导致目标不一致，前链路制约后链路上限，漏斗效率折损大。\n随着大模型与生成式技术的快速发展，工业界已在端到端生成式广告方向进行了系统性布局，验证了生成式框架在候选生成、全链路排序、创意生成和机制设计等环节的技术可行性，其强大的表征能力和良好的Scaling特性为广告系统的范式跃迁提供了新的可能性。本岗位致力于在探索如何利用生成式技术重塑整个广告系统，通过端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型联合决策空间。\n\n【你将参与】\n1.生成式召回：突破传统检索范式，探索广告场景下的生成式候选生成方案，包括层次化语义ID设计（RQ-VAE/VQ-VAE）、以及召回与排序联合端到端优化。\n2.生成式预估：设计支持大规模候选端到端打分的生成式排序框架，探索\"预训练+业务对齐（RLHF/DPO）\"的分阶段训练范式，解锁广告模型的Scaling规律，驱动系统从人工调参向算力堆叠迭代跃。\n3.生成式创意：基于多模态大模型实现广告创意的自动生成与动态组合，结合用户实时意图的个性化创意定制，以及创意与广告主商业目标的对齐优化，提升创意与用户的匹配深度。\n4.生成式机制：构建端到端可学习的广告拍卖机制，将出价、分配、计费纳入统一生成框架，建模广告外部性（排列位置、上下文交互对转化率的影响），在保证近似激励相容性（IC）的同时最大化平台RPM。\n\n岗位基本要求\n【任职资格】\n2027届本科及以上学历，计算机、人工智能等相关专业，且以下条件至少满足一项：\n1.在顶级期刊或学术会议以第一作者身份发表论文（或导师一作，自己为二作）。\n2.在顶级大赛上获奖。\n3.有大厂实验室实习经验，或有贡献突出的开源项目。\n【为什么是我们】\n1.核心业务场景：美团广告是公司核心商业化引擎，算法研究成果直接影响公司盈利，技术贡献可量化衡量。\n2.顶级数据规模：亿级用户的本地生活广告场景，涵盖 toC 与 toB 多模态数据，真实工业约束（强稀疏信号、严格时延、多目标优化）构成国内最具挑战性的广告算法研究环境之一。\n3.学术合作资源：团队与头部高校保持持续的联合研究合作，提供会议投稿支持与学术产出通道。\n【愿景】\n广告系统长期采用\"召回→粗排→精排→出价→拍卖\"的多级漏斗架构，各模块独立优化导致目标不一致，前链路制约后链路上限，漏斗效率折损大。\n随着大模型与生成式技术的快速发展，工业界已在端到端生成式广告方向进行了系统性布局，验证了生成式框架在候选生成、全链路排序、创意生成和机制设计等环节的技术可行性，其强大的表征能力和良好的Scaling特性为广告系统的范式跃迁提供了新的可能性。本岗位致力于在探索如何利用生成式技术重塑整个广告系统，通过端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型联合决策空间。\n\n【你将参与】\n1.生成式召回：突破传统检索范式，探索广告场景下的生成式候选生成方案，包括层次化语义ID设计（RQ-VAE/VQ-VAE）、以及召回与排序联合端到端优化。\n2.生成式预估：设计支持大规模候选端到端打分的生成式排序框架，探索\"预训练+业务对齐（RLHF/DPO）\"的分阶段训练范式，解锁广告模型的Scaling规律，驱动系统从人工调参向算力堆叠迭代跃。\n3.生成式创意：基于多模态大模型实现广告创意的自动生成与动态组合，结合用户实时意图的个性化创意定制，以及创意与广告主商业目标的对齐优化，提升创意与用户的匹配深度。\n4.生成式机制：构建端到端可学习的广告拍卖机制，将出价、分配、计费纳入统一生成框架，建模广告外部性（排列位置、上下文交互对转化率的影响），在保证近似激励相容性（IC）的同时最大化平台RPM。\n【任职资格】\n2027届本科及以上学历，计算机、人工智能等相关专业，且以下条件至少满足一项：\n1.在顶级期刊或学术会议以第一作者身份发表论文（或导师一作，自己为二作）。\n2.在顶级大赛上获奖。\n3.有大厂实验室实习经验，或有贡献突出的开源项目。\n【为什么是我们】\n1.核心业务场景：美团广告是公司核心商业化引擎，算法研究成果直接影响公司盈利，技术贡献可量化衡量。\n2.顶级数据规模：亿级用户的本地生活广告场景，涵盖 toC 与 toB 多模态数据，真实工业约束（强稀疏信号、严格时延、多目标优化）构成国内最具挑战性的广告算法研究环境之一。\n3.学术合作资源：团队与头部高校保持持续的联合研究合作，提供会议投稿支持与学术产出通道。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}