【27届北斗计划】广告大模型算法工程师

【课题说明】 1. 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。 2. 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。本研究旨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。 【建议研究方向】 1. 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。 2. 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迁。 3. 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。 4. 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。