现场围观腾讯广告算法大赛，我都想入职了

来源：市场资讯

（来源：量子位）

现在给鹅厂投简历，还来不来得及？（老板别看）

这趟来蹲腾讯广告算法大赛的现场，我坐在台下直拍大腿——

冠军直接揣走200万奖金，亚军季军的奖励也都是六位数起步，哪怕只是站上答辩台，每个选手都能抱一台崭新的iPad走……

于是我坐在观众席上反复确认一件事：我当年学计算机的时候，怎么没参加这种活动？？

讲真，作为一个曾经也在实验室里敲代码的计算机学生，真正让我动了“求职”心思的，并不只是这些看得见的奖励。

更重要的，其实是通过大赛啃实战级赛题的机会、获得实习或者直通offer的通道，还有大厂提供的算力和平台等资源的诱惑。

这场算法大赛的赛题是「全模态生成式推荐」，名字听起来有点长，但它指向的，其实是当下广告和推荐系统里最前沿、也最接近真实业务的一类问题。

简单说，以前做广告推荐，更多是盯着用户点过什么、看过什么，再配合一些文本特征来判断“你可能还想看点啥”。

但现在这套逻辑不太够用了，用户面对的早就不只是文字列表，而是大量图像、视频、音频混在一起的内容流。

全模态生成式推荐要做的，就是把这些来自不同模态的信息统一建模，再用生成式模型的方式，直接生成推荐结果。

这也是为什么赛题会涉及大模型、生成对抗网络、扩散模型等AI方法。

全模态生成式推荐真正进入工业实践，也就是近两年的事情，可以说这次的赛题就是腾讯广告目前最重视的技术

而且这类问题不仅贴近真实业务，挑战也非常具体。

大赛提供的数据集是脱敏后的腾讯广告用户的全模态序列，序列中的每个行为包含丰富的ID信息，以及文本和视觉等多模态信息。

多模态数据引入后，噪声会显著增加，不同模态之间的对齐问题更难处理；数据分布高度不均，长尾样本和冷启动问题会被明显放大；序列一旦拉长，显存占用、训练效率和推理时延，都会成为绕不开的工程约束。

虽然挑战多多，但别以为比赛过程中只有无穷无尽的“卷”，实际上比赛全程氛围非常之友好。

尤其体现在选手们在小某书的这场跑分团建上，大家互相交流思路、分享踩坑经验：

“大佬这个参数怎么调？”“佬，用你的方法优化完速度飞快！”……

从初赛开始算，这场比赛持续了四个多月，我也在决赛答辩阶段来到了现场。

最主要的当然就是听一听选手们的方案。

冠军队Echoch的方案核心在于大规模序列建模与工程可落地性。他们围绕用户全模态行为序列进行建模，通过对高维ID特征进行压缩处理，降低显存和计算开销，从而支持更长序列、更大batch的训练规模。

在建模上，方案强调对用户长期兴趣演化的刻画，并在曝光、点击等多目标约束下进行统一优化，最终在大规模测试集上取得最优整体指标表现。

亚军队leejt的重点放在数据质量与结构建模上。面对多模态特征缺失率高、噪声大的问题，方案先对视觉与内容特征进行筛选和聚合，再基于Transformer的时序结构建模用户行为。

同时引入图结构刻画用户、广告与语义特征之间的关系，以缓解样本稀疏和冷启动场景下的信息不足问题，在稳定性和泛化能力上表现突出。

季军队也许明天则从任务拆解入手，对曝光、点击和转化进行显式区分建模，并采用条件生成方式预测用户后续行为。

该方案强调结果与真实广告投放逻辑的一致性，在推理阶段对低价值曝光进行过滤，使模型输出更贴近实际业务决策需求。

对于这些方案，腾讯公司副总裁蒋杰直言：

听完两天的答辩，我不仅被这些五花八门的方案卷到了，还观察到一个很有意思的事情。

选手们不单单是奔着奖金来，其实也想得到一个进入大厂的机会。毕竟有同学“夹带私货”，都把「正在找工作」这样的明示暗示大写加粗搬上了答辩PPT的首页（doge）。

没错，台下评委席坐着的就是包括招聘部门在内的各种负责人以及……腾讯公司副总裁蒋杰。

好好好，这是“真·boss直聘”。

这时候我也反应过来，腾讯广告这波一方面是想办一场标杆级别的算法比赛不假，另一方面也是在给学生们搭一条通往大厂的快速通道

先说办比赛这件事本身。

其实不难理解腾讯广告为什么敢把赛题出到这个难度，无论是全模态生成式推荐，还是广告链路中对效率、稳定性和规模的要求，这些都不是临时拼凑出来的命题，而是已经在真实业务中被反复验证、持续演进的方向。

从已有实践来看，腾讯广告在投放、创意和度量等核心环节，已经形成了较为完整的AI技术体系，而且这套能力都是在日常业务中，经过长期反复检验、试错、打磨出来的。

在这样的背景下，把接近业务真实形态的问题拆解出来，交给学生去做，更像是一种顺势而为。

赛题之所以敢贴近实战，并不是因为难度设计得激进，而是因为背后已经有成熟系统在跑，况且，腾讯有非常庞大的用户盘，有足够多的工程经验和数据基础兜底。

但想做一个有持续影响力的大赛IP，投入的资源就得有诚意、有吸引力。

这些在大赛提供的380万元总奖金池配套的算力支持中足以见得。

顺便提一下，大赛原设定的奖金池是360万元，由于决赛答辩当天一支队伍的方案非常亮眼，于是现场临时增设了20万元的创新奖（鹅厂大气）。

不过，其实很容易被忽略的一点是，包括数据集、算力等在内的这些赛题资源并不只是集中在少数决赛队伍身上，而是贯穿整个赛程，对所有参赛者开放。

那就可以理解成，这次大赛就是对整个学生群体开放的技术练兵场

最终，比赛吸引了全球8400余名学生、2800多支队伍参与，覆盖近30个国家。

最前沿的问题+顶尖资源+广泛的影响力+全面练兵的社会价值=一场标杆级技术赛事。

比赛办完，那就到了另一个环节——揽人

无论是给现金奖励、实习机会还是offer直通资格，其实都是鹅厂在向选手抛橄榄枝。

换个角度看，搞算法大赛这事儿也很高明。

与其校招季在各大高校的招聘会上支起摊位，不如用差不多的人力、物力成本办一场贴近真实的工业级赛事，把最合适的人聚集到一起，集中观察、集中交流。

而且比赛本身就带着筛选逻辑办的。

初赛阶段，数据规模和目标相对收敛；进入复赛后，训练和测试数据被整体升级，序列规模从1M扩展到10M，同时建模目标从偏点击，扩展到覆盖曝光、点击与转化的完整链路。

这一步升级，对选手来说并不友好，却非常真实。

作为一个曾经学计算机的人，我很清楚这种变化意味着什么——原本还能勉强跑通的方案，可能一夜之间就会因为显存、训练效率或工程结构被淘汰。

所以，到了决赛阶段，留下来的已经不是“某一次跑分跑得巧”的队伍，而是能在数据规模和目标复杂度持续升级的情况下，方案依然成立的那一批人。

这套过程，本质上已经完成了一轮相当接近真实业务环境的能力验证。

这样一来，看着排行榜里明明白白的分数，既避免了在海量简历里大海捞针，错过真正的技术好苗子，又能跳出“纸上谈兵”的局限，直观检验学生的真实技术能力和落地实操水平，最终找到贴合需求的硬核人才。

这场算法大赛，对主办方来说是在挑好苗子；对于学生们来说，又何尝不是一条进入大厂的快速通道呢？

比较关注AI圈动态的朋友可能有所感知，不管是硅谷还是国内大厂，今年的人才争夺战都打得极为激烈。

高薪挖角、定制化福利、快速晋升通道……各家纷纷亮出各种优厚条件。

腾讯自然也不遑多让，先不说薪资上不封顶的青云计划，就在今年4月，公司宣布启动史上最大的就业支持计划。

该计划聚焦青年群体的就业需求，让更多人有机会走进大厂、锻炼技能、积累经验，为职业起步加速。

在这一计划的推进节奏中，2025年腾讯就面向全国吸纳了10000名校招实习生，而这里面有六成岗位是面向技术人才开放的。

研究人员的队伍在不断壮大，也就说明，公司对开发的投入也在不断加大。

不只是想办法要把人才招进来，鹅厂在学生关怀这件事上，也确实是下了功夫

不管是这次的算法大赛还是之前把招聘会直接开进ICCV 2025，在聊技术、聊求职意向之余，腾讯都额外为参加活动的同学们设置了午餐会、交流晚宴等“面基”局。

这活动可让不少同学都开出了“惊喜盲盒”，见到了久仰大名的网友。这样一来，同学们在技术氛围之外，体验感也拉满了。

实际上这种种操作都在释放一个清晰且强烈的信号：我们要人，要年轻人

在今年算法大赛的现场，很明显能感受到被年轻人“包围了”。和几位选手聊了聊，甚至发现其中不少都是00后。

青睐年轻人这一点，通过最近一个重大的人事变动——被放在腾讯AI重要位置上的28岁年轻人姚顺雨的身上也窥见一斑。

这里小声说一句：鹅厂你还蛮挺吸引顶尖人才的目光嘛（doge）。

BTW，今年肯定有像我一样错过这波机会的朋友，所以，在此期待明年还有大赛，还要大办特办！

搞AI的年轻人们快来和本·量子位一起催催～

其实看完今年决赛走出腾讯大楼的时候，我想投简历的想法更强烈了——

因为鹅厂附近的晚霞，好美啊……

— 完 —