我一直觉得参加企业举办的算法大赛是计算机学生提高自己业界工作能力的最快方法,最近看了2025腾讯广告算法大赛的决赛,更证实了我的看法。
在学校里,很多人都在做为了讲故事而讲故事的研究工作——做出来的东西可能为了刷上一个百分点拿到SOTA,性能却慢了好几倍,根本不实用。 而这次决赛让我看到了工业界真实的衡量尺度——数据规模影响效果,性能决定能否落地。 今年的赛题是“全模态生成式推荐”,给的数据包含了约1000万用户与1800万广告素材,还有约1000万条行为序列。 参赛大佬们利用大模型的语义理解与逻辑推理能力,打破了传统推荐对历史交互数据的依赖,展现出新的全模态生成式推荐范式在冷启动等复杂场景下的核心优势。 技术细节上更是百花齐放,各种论文讲过的idea,都拿出来快速测试,为了在规定显存和时间内完成任务,更是搞出了各种突破想象力和技术边界的trick——这绝对都是在学校很难接触到的顶尖技术实战经历。 纵观腾讯广告算法大赛初赛、复赛和决赛全程,无论是奖金还是offer的奖励,以及后续更多资源支持,我都感受到腾讯从行动上对于人才的渴望和大方。
在学校里,很多人都在做为了讲故事而讲故事的研究工作——做出来的东西可能为了刷上一个百分点拿到SOTA,性能却慢了好几倍,根本不实用。 而这次决赛让我看到了工业界真实的衡量尺度——数据规模影响效果,性能决定能否落地。 今年的赛题是“全模态生成式推荐”,给的数据包含了约1000万用户与1800万广告素材,还有约1000万条行为序列。 参赛大佬们利用大模型的语义理解与逻辑推理能力,打破了传统推荐对历史交互数据的依赖,展现出新的全模态生成式推荐范式在冷启动等复杂场景下的核心优势。 技术细节上更是百花齐放,各种论文讲过的idea,都拿出来快速测试,为了在规定显存和时间内完成任务,更是搞出了各种突破想象力和技术边界的trick——这绝对都是在学校很难接触到的顶尖技术实战经历。 纵观腾讯广告算法大赛初赛、复赛和决赛全程,无论是奖金还是offer的奖励,以及后续更多资源支持,我都感受到腾讯从行动上对于人才的渴望和大方。

JPG
长图
JPG
长图
JPG
长图