算法岗基础 / 02

算法岗位谱系：推荐 / 广告 / 风控 / 优化 / LLM

算法岗不是一个单一岗位。不同团队的目标函数、数据形态、技术栈和面试重点差异很大。理解岗位谱系的意义，是让你投递和准备时更精准，而不是用同一套“机器学习八股”回答所有方向。

推荐算法

推荐算法解决“给用户看什么、按什么顺序看”的问题。典型场景包括短视频、信息流、电商商品、内容社区、本地生活服务。

推荐链路通常包括召回、粗排、精排、重排和策略层。召回负责从海量内容里找候选，排序负责预测点击、停留、转化、互动等目标，重排负责多样性、新颖性、频控、生态和业务规则。

面试重点：

• 多路召回怎么设计，如何评估召回质量。
• 精排模型如何做特征、样本和多目标学习。
• 为什么离线 AUC 提升不一定带来线上收益。
• 冷启动、探索、多样性和信息茧房怎么处理。

搜索算法

搜索和推荐都做排序，但搜索更强调用户主动表达的 query。搜索算法要理解 query、召回相关文档或商品，再做相关性、质量、转化和商业目标排序。

电商搜索里，query 改写、意图识别、类目预测、相关性、排序和广告混排都很重要。内容搜索里，还要处理时效性、权威性和安全性。

面试重点：

• query 理解和召回怎么做。
• 相关性和转化目标如何平衡。
• 搜索排序和推荐排序有什么区别。
• bad case 如何归因：召回漏了、相关性错了，还是排序目标错了。

广告算法

广告算法的目标更明确：在用户体验和预算约束下提升商业收入和广告主效果。常见模块包括定向、召回、CTR/CVR 预估、出价、预算控制、拍卖机制和归因。

广告比推荐更强调机制。因为系统里不只有用户和平台，还有广告主、预算、出价、结算和 ROI。

面试重点：

• CTR、CVR、CPA、ROI、GMV、eCPM 的关系。
• 为什么要做 budget pacing。
• 出价公式怎么推，预估偏差会影响什么。
• 广告 A/B 实验为什么要关注长期和生态指标。

风控算法

风控算法解决“识别风险并控制损失”的问题。包括交易风控、账号风控、内容风控、反作弊、反欺诈、信贷风控等。

风控的难点在于样本偏差、标签延迟、攻击对抗和误伤成本。风控不是召回越高越好，过度拦截会影响正常用户和业务增长。

面试重点：

• 风控标签怎么定义，延迟和噪声怎么处理。
• 规则和模型如何配合。
• 召回率、误伤率、通过率、资损之间怎么取舍。
• 对抗样本和概念漂移怎么监控。

运筹优化 / 调度算法

运筹调度面向资源分配问题，比如物流调度、骑手排班、仓储拣货、网约车派单、库存补货、生产排程。

这类岗位不一定只看深度学习，更看你能不能把业务约束写成变量、目标函数和约束条件。常用方法包括 LP、ILP、匹配、网络流、启发式搜索和仿真。

面试重点：

• 如何把业务问题建模成优化问题。
• 目标函数和约束怎么写。
• 精确求解太慢怎么办。
• 预测模型和优化器如何协同。

NLP / AIGC 算法

传统 NLP 岗位关注文本分类、序列标注、搜索相关性、问答、信息抽取、文本生成。大模型后，岗位更多变成 RAG、Agent、评测、微调、推理优化、内容安全和业务应用。

这类岗位容易陷入“模型名词堆砌”。真正面试时，面试官会看你能否把大模型能力落到业务任务上，能否评估效果、控制成本、处理幻觉和稳定性。

面试重点：

• RAG 的召回、重排、生成、评测怎么做。
• 大模型评测指标如何设计。
• 什么时候微调，什么时候 prompt / RAG 就够。
• Agent 如何设置工具、记忆、权限和安全边界。

增长 / 因果 / 策略算法

增长算法、权益发放、补贴策略、用户触达、价格策略等方向经常需要因果推断和 uplift。它们不是预测“谁会转化”，而是估计“对谁干预才有增量”。

面试重点：

• 相关性和因果效果有什么区别。
• A/B 实验怎么设计，干扰效应怎么处理。
• uplift 模型怎么定义 treatment 和 outcome。
• 预算约束下怎么做策略分配。

团队分工怎么看

一个算法团队通常不只有算法工程师，还会和产品、工程、数据、运营密切协作。

面试中如果能主动说出协作关系，会显得更接近真实工作。

投递时怎么判断岗位

看 JD 时重点抓这些词：

• 出现“召回、排序、点击率、转化率”：大概率是推荐 / 搜索 / 广告。
• 出现“预算、出价、ROI、广告主”：广告投放。
• 出现“风险、审核、反作弊、误伤”：风控。
• 出现“调度、排班、路径、供需、约束”：运筹优化。
• 出现“RAG、Agent、评测、微调、多模态”：NLP / AIGC。
• 出现“补贴、权益、增量、因果、uplift”：增长策略 / 因果推断。

准备策略

不要试图用一份简历覆盖所有方向。更好的方式是准备一个主方向和两个邻近方向。

例如：

• 主方向：推荐排序。
• 邻近方向：广告预估、增长策略。

或者：

• 主方向：运筹调度。
• 邻近方向：因果推断、强化学习。

这样你在面试里能形成连续叙事，而不是每个方向都只会一点名词。

下一篇建议继续看：

• 算法岗能力栈