現場圍觀騰訊廣告算法大賽，我都想入職了

聞樂 發自 凹非寺
量子位 | 公眾號 QbitAI

現在給鵝廠投簡歷，還來不來得及？（老板別看）

這趟來蹲騰訊廣告算法大賽的現場，我坐在臺下直拍大腿——

冠軍直接揣走200萬獎金，亞軍季軍的獎勵也都是六位數起步，哪怕只是站上答辯臺，每個選手都能抱一臺嶄新的iPad走……

于是我坐在觀眾席上反復確認一件事：我當年學計算機的時候，怎么沒參加這種活動？？

講真，作為一個曾經也在實驗室里敲代碼的計算機學生，真正讓我動了“求職”心思的，并不只是這些看得見的獎勵。

更重要的，其實是通過大賽啃實戰級賽題的機會、獲得實習或者直通offer的通道，還有大廠提供的算力和平臺等資源的誘惑。

用最前沿的問題練手

這場算法大賽的賽題是「全模態生成式推薦」，名字聽起來有點長，但它指向的，其實是當下廣告和推薦系統里最前沿、也最接近真實業務的一類問題。

簡單說，以前做廣告推薦，更多是盯著用戶點過什么、看過什么，再配合一些文本特征來判斷“你可能還想看點啥”。

但現在這套邏輯不太夠用了，用戶面對的早就不只是文字列表，而是大量圖像、視頻、音頻混在一起的內容流。

全模態生成式推薦要做的，就是把這些來自不同模態的信息統一建模，再用生成式模型的方式，直接生成推薦結果。

這也是為什么賽題會涉及大模型、生成對抗網絡、擴散模型等AI方法。

全模態生成式推薦真正進入工業實踐，也就是近兩年的事情，可以說這次的賽題就是騰訊廣告目前最重視的技術

而且這類問題不僅貼近真實業務，挑戰也非常具體。

大賽提供的數據集是脫敏后的騰訊廣告用戶的全模態序列，序列中的每個行為包含豐富的ID信息，以及文本和視覺等多模態信息。

多模態數據引入后，噪聲會顯著增加，不同模態之間的對齊問題更難處理；數據分布高度不均，長尾樣本和冷啟動問題會被明顯放大；序列一旦拉長，顯存占用、訓練效率和推理時延，都會成為繞不開的工程約束。

雖然挑戰多多，但別以為比賽過程中只有無窮無盡的“卷”，實際上比賽全程氛圍非常之友好。

尤其體現在選手們在小某書的這場跑分團建上，大家互相交流思路、分享踩坑經驗：

“大佬這個參數怎么調？”“佬，用你的方法優化完速度飛快！”……

從初賽開始算，這場比賽持續了四個多月，我也在決賽答辯階段來到了現場。

最主要的當然就是聽一聽選手們的方案。

冠軍隊Echoch的方案核心在于大規模序列建模與工程可落地性。他們圍繞用戶全模態行為序列進行建模，通過對高維ID特征進行壓縮處理，降低顯存和計算開銷，從而支持更長序列、更大batch的訓練規模。

在建模上，方案強調對用戶長期興趣演化的刻畫，并在曝光、點擊等多目標約束下進行統一優化，最終在大規模測試集上取得最優整體指標表現。

亞軍隊leejt的重點放在數據質量與結構建模上。面對多模態特征缺失率高、噪聲大的問題，方案先對視覺與內容特征進行篩選和聚合，再基于Transformer的時序結構建模用戶行為。

同時引入圖結構刻畫用戶、廣告與語義特征之間的關系，以緩解樣本稀疏和冷啟動場景下的信息不足問題，在穩定性和泛化能力上表現突出。

季軍隊也許明天則從任務拆解入手，對曝光、點擊和轉化進行顯式區分建模，并采用條件生成方式預測用戶后續行為。

該方案強調結果與真實廣告投放邏輯的一致性，在推理階段對低價值曝光進行過濾，使模型輸出更貼近實際業務決策需求。

對于這些方案，騰訊公司副總裁蔣杰直言：

• 算法大賽讓我看到了這些年輕人做的方案不比現在工業界自己做的事情差。
• 讓我非常驚喜的是學生們對大模型的理解能夠跟上工業界的潮流，甚至方案更有創新性。

聽完兩天的答辯，我不僅被這些五花八門的方案卷到了，還觀察到一個很有意思的事情。

選手們不單單是奔著獎金來，其實也想得到一個進入大廠的機會。畢竟有同學“夾帶私貨”，都把「正在找工作」這樣的明示暗示大寫加粗搬上了答辯PPT的首頁（doge）。

沒錯，臺下評委席坐著的就是包括招聘部門在內的各種負責人以及……騰訊公司副總裁蔣杰。

好好好，這是“真·boss直聘”。

比賽就是一條通往大廠的快速通道

這時候我也反應過來，騰訊廣告這波一方面是想辦一場標桿級別的算法比賽不假，另一方面也是在給學生們搭一條通往大廠的快速通道

先說辦比賽這件事本身。

其實不難理解騰訊廣告為什么敢把賽題出到這個難度，無論是全模態生成式推薦，還是廣告鏈路中對效率、穩定性和規模的要求，這些都不是臨時拼湊出來的命題，而是已經在真實業務中被反復驗證、持續演進的方向。

從已有實踐來看，騰訊廣告在投放、創意和度量等核心環節，已經形成了較為完整的AI技術體系，而且這套能力都是在日常業務中，經過長期反復檢驗、試錯、打磨出來的。

在這樣的背景下，把接近業務真實形態的問題拆解出來，交給學生去做，更像是一種順勢而為。

賽題之所以敢貼近實戰，并不是因為難度設計得激進，而是因為背后已經有成熟系統在跑，況且，騰訊有非常龐大的用戶盤，有足夠多的工程經驗和數據基礎兜底。

但想做一個有持續影響力的大賽IP，投入的資源就得有誠意、有吸引力。

這些在大賽提供的380萬元總獎金池配套的算力支持中足以見得。

順便提一下，大賽原設定的獎金池是360萬元，由于決賽答辯當天一支隊伍的方案非常亮眼，于是現場臨時增設了20萬元的創新獎（鵝廠大氣）。

不過，其實很容易被忽略的一點是，包括數據集、算力等在內的這些賽題資源并不只是集中在少數決賽隊伍身上，而是貫穿整個賽程，對所有參賽者開放。

那就可以理解成，這次大賽就是對整個學生群體開放的技術練兵場

最終，比賽吸引了全球8400余名學生、2800多支隊伍參與，覆蓋近30個國家。

最前沿的問題+頂尖資源+廣泛的影響力+全面練兵的社會價值=一場標桿級技術賽事。

比賽辦完，那就到了另一個環節——攬人

無論是給現金獎勵、實習機會還是offer直通資格，其實都是鵝廠在向選手拋橄欖枝。

換個角度看，搞算法大賽這事兒也很高明。

與其校招季在各大高校的招聘會上支起攤位，不如用差不多的人力、物力成本辦一場貼近真實的工業級賽事，把最合適的人聚集到一起，集中觀察、集中交流。

而且比賽本身就帶著篩選邏輯辦的。

初賽階段，數據規模和目標相對收斂；進入復賽后，訓練和測試數據被整體升級，序列規模從1M擴展到10M，同時建模目標從偏點擊，擴展到覆蓋曝光、點擊與轉化的完整鏈路。

這一步升級，對選手來說并不友好，卻非常真實。

作為一個曾經學計算機的人，我很清楚這種變化意味著什么——原本還能勉強跑通的方案，可能一夜之間就會因為顯存、訓練效率或工程結構被淘汰。

所以，到了決賽階段，留下來的已經不是“某一次跑分跑得巧”的隊伍，而是能在數據規模和目標復雜度持續升級的情況下，方案依然成立的那一批人。

這套過程，本質上已經完成了一輪相當接近真實業務環境的能力驗證。

這樣一來，看著排行榜里明明白白的分數，既避免了在海量簡歷里大海撈針，錯過真正的技術好苗子，又能跳出“紙上談兵”的局限，直觀檢驗學生的真實技術能力和落地實操水平，最終找到貼合需求的硬核人才。

這場算法大賽，對主辦方來說是在挑好苗子；對于學生們來說，又何嘗不是一條進入大廠的快速通道呢？

資源之外，大廠搶人更比細節

比較關注AI圈動態的朋友可能有所感知，不管是硅谷還是國內大廠，今年的人才爭奪戰都打得極為激烈。

高薪挖角、定制化福利、快速晉升通道……各家紛紛亮出各種優厚條件。

騰訊自然也不遑多讓，先不說薪資上不封頂的青云計劃，就在今年4月，公司宣布啟動史上最大的就業支持計劃。

該計劃聚焦青年群體的就業需求，讓更多人有機會走進大廠、鍛煉技能、積累經驗，為職業起步加速。

在這一計劃的推進節奏中，2025年騰訊就面向全國吸納了10000名校招實習生，而這里面有六成崗位是面向技術人才開放的。

研究人員的隊伍在不斷壯大，也就說明，公司對開發的投入也在不斷加大。

不只是想辦法要把人才招進來，鵝廠在學生關懷這件事上，也確實是下了功夫

不管是這次的算法大賽還是之前把招聘會直接開進ICCV 2025，在聊技術、聊求職意向之余，騰訊都額外為參加活動的同學們設置了午餐會、交流晚宴等“面基”局。

這活動可讓不少同學都開出了“驚喜盲盒”，見到了久仰大名的網友。這樣一來，同學們在技術氛圍之外，體驗感也拉滿了。

實際上這種種操作都在釋放一個清晰且強烈的信號：我們要人，要年輕人

在今年算法大賽的現場，很明顯能感受到被年輕人“包圍了”。和幾位選手聊了聊，甚至發現其中不少都是00后。

青睞年輕人這一點，通過最近一個重大的人事變動——被放在騰訊AI重要位置上的28歲年輕人姚順雨的身上也窺見一斑。

這里小聲說一句：鵝廠你還蠻挺吸引頂尖人才的目光嘛（doge）。

BTW，今年肯定有像我一樣錯過這波機會的朋友，所以，在此期待明年還有大賽，還要大辦特辦！

搞AI的年輕人們快來和本·量子位一起催催～

其實看完今年決賽走出騰訊大樓的時候，我想投簡歷的想法更強烈了——

因為鵝廠附近的晚霞，好美啊……

— 完 —