职位题库

广告算法工程师面试题库

面向广告算法工程师相关面试，围绕DPO、大模型对齐、AUC、归一化、深度学习基础等主题展开练习，结合题目考察点、回答思路、参考答案和常见误区，梳理知识要点并练习清晰表达。

12 道题目建议用时 36 分钟专项面试练习

全部题目 12 道题

考察候选人能否清晰陈述实习中的真实贡献，区分其个人工作与团队成果，并验证模型优化思路的完整性和效果量化能力。

考察候选人能否从数据分布、参数共享和梯度信号角度解释ID类特征的学习困难，而不是停留在现象描述。

考察候选人能否清晰阐述项目背景、个人贡献、技术选型与业务收益，验证简历真实性和工程落地能力。

考察候选人对生成式召回范式的理解，包括语义ID、序列建模、解码方式和与广告业务的结合能力。

考察候选人对归一化技术的系统掌握，包括原理、差异和适用场景。

考察候选人对AUC统计性质的理解，以及负采样对排序指标影响的分析能力。

考察候选人对DPO原理的掌握，包括与RLHF的关系、公式推导和工程实现要点。

考察候选人能否清晰拆解业务目标、技术方案与量化收益，验证项目真实性与主导程度。

考察候选人对生成式召回范式的理解，包括语义ID、解码约束与召回效率的权衡。

考察深度学习基础，能否结合广告模型场景说明归一化选择。

考察对AUC排序本质与样本分布变化的理解，避免死记结论。

考察对大模型偏好优化方法的掌握，能否写出目标函数并解释其与奖励模型的关系。