主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "推荐大模型算法工程师-国际电商",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、国际电商-推荐-Foundation组致力于构建下一代推荐智能体，打造统一的推荐基础模型（Foundation Model），支撑多业务、多场景的全链路推荐体系，从召回、排序到重混排，全面提升系统的智能化与生成能力；\n2、探索以事件序列驱动的生成式推荐范式，将大语言模型（LLM）、多模态理解、强化学习与系统优化深度融合，推动推荐系统向通用智能体演进；\n3、参与基于LLM的生成式召回模型开发，解决电商场景下的冷启动和长尾商品推荐难题；\n4、优化LLM在电商推荐中的推理效率，确保高并发场景下的实时推荐响应。",
"requirements_text": "1、精通LLM微调技术（如LoRA、QLoRA），熟悉至少一种开源LLM（如LLaMA 3、InternLM）；\n2、在搜广告推和大模型领域，有参与或者主导过关键项目的优先；\n3、掌握PyTorch/TensorFlow、Hugging Face等工具，具备分布式训练与模型压缩经验；\n4、对电商用户行为有深入理解，具备较好的问题分析和解决能力，对技术有热情，热衷于推动和解决各种挑战。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"大语言模型"
],
"preferred_qualifications": "2、在搜广告推和大模型领域，有参与或者主导过关键项目的优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7600413892461185285/detail"
}
]
},
"posting": {
"posting_id": "7600413892461185285",
"post_date": "2026-01-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7600413892461185285/detail"
},
"fulltext": "推荐大模型算法工程师-国际电商\n职位描述\n1、国际电商-推荐-Foundation组致力于构建下一代推荐智能体，打造统一的推荐基础模型（Foundation Model），支撑多业务、多场景的全链路推荐体系，从召回、排序到重混排，全面提升系统的智能化与生成能力；\n2、探索以事件序列驱动的生成式推荐范式，将大语言模型（LLM）、多模态理解、强化学习与系统优化深度融合，推动推荐系统向通用智能体演进；\n3、参与基于LLM的生成式召回模型开发，解决电商场景下的冷启动和长尾商品推荐难题；\n4、优化LLM在电商推荐中的推理效率，确保高并发场景下的实时推荐响应。\n\n职位要求\n1、精通LLM微调技术（如LoRA、QLoRA），熟悉至少一种开源LLM（如LLaMA 3、InternLM）；\n2、在搜广告推和大模型领域，有参与或者主导过关键项目的优先；\n3、掌握PyTorch/TensorFlow、Hugging Face等工具，具备分布式训练与模型压缩经验；\n4、对电商用户行为有深入理解，具备较好的问题分析和解决能力，对技术有热情，热衷于推动和解决各种挑战。\n1、国际电商-推荐-Foundation组致力于构建下一代推荐智能体，打造统一的推荐基础模型（Foundation Model），支撑多业务、多场景的全链路推荐体系，从召回、排序到重混排，全面提升系统的智能化与生成能力；\n2、探索以事件序列驱动的生成式推荐范式，将大语言模型（LLM）、多模态理解、强化学习与系统优化深度融合，推动推荐系统向通用智能体演进；\n3、参与基于LLM的生成式召回模型开发，解决电商场景下的冷启动和长尾商品推荐难题；\n4、优化LLM在电商推荐中的推理效率，确保高并发场景下的实时推荐响应。\n1、精通LLM微调技术（如LoRA、QLoRA），熟悉至少一种开源LLM（如LLaMA 3、InternLM）；\n2、在搜广告推和大模型领域，有参与或者主导过关键项目的优先；\n3、掌握PyTorch/TensorFlow、Hugging Face等工具，具备分布式训练与模型压缩经验；\n4、对电商用户行为有深入理解，具备较好的问题分析和解决能力，对技术有热情，热衷于推动和解决各种挑战。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}