主分类：搜索推荐与业务决策算法研发
辅助：Agent系统开发（仅展示）
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": "用户增长算法工程师（达人方向）-Data",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"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、建设智能补贴算法流程，结合流量、折扣券、现金等不同形式在各环节对达人进行激励与扶持，同时设计并优化达人任务系统与后链路的流量扶持与转化补贴，确保任务内容能够有效引导达人快速成长，提升达人短期行为积极性与表现，撬动长期价值增长；\n2、达人分级体系与潜力预估建设，通过潜力建模、LTV预估、体系及评分机制的建设，挖掘潜在的达人电商机会，建立并丰富高潜力作者的候选集合；以数据驱动的方式评估达人在电商内容生产中的表现；通过透明的评价标准，激励达人积极参与并持续贡献高质量内容；\n3、达人诊断框架建设，结合Causal Inference进行因子挖掘、Ranking及方案关联，持续引导达人健康迅速成长；\n4、围绕达人全生命周期构建智能Agent，通过后训练、Agent框架搭建，完善Agent多轮对话、场景遵循、Tool调用等核心能力，实现选品、创作等核心流程自动化决策和反馈，提升达人成长体验。",
"requirements_text": "1、熟悉常用的算法模型，对模型调优有一定实践经验；对以下任一方向有相关经验，熟悉相关的算法技术：\n1）用户增长：熟悉Uplift建模与评估方法；了解因果推断，整数规划/线性规划等运筹算法；\n2）搜索推荐：了解主流深度学习建模技术方向，包含但不限于多场景/多任务、长序列、特征交叉、图网络等方向，了解召回/粗排/精排等流程；\n3）广告投放：熟悉深度转化建模与评估，预算调控Pacing机制；了解强化学习出价建模方式更佳；\n4）LLM模型：对LLM相关知识有一定了解，理解大模型核心技术（模型结构、数据构成、训练Recipe等），包括但不限于后训练、RAG、Agent框架建设等；\n2、熟悉至少一门编程语言（C++/Java/Python），熟悉至少一种大数据计算工具（Hive SQL/Spark/MapReduce），熟悉Linux开发环境；\n3、善于沟通，良好的团队合作精神；对新技术充满好奇，能够持续学习。",
"skills": [AI生成
"Python",
"Java",
"C++",
"SQL",
"Linux",
"Spark",
"深度学习",
"强化学习",
"团队协作",
"广告投放",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7621535688055556357/detail"
}
]
},
"posting": {
"posting_id": "7621535688055556357",
"post_date": "2026-03-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7621535688055556357/detail"
},
"fulltext": "用户增长算法工程师（达人方向）-Data\n职位描述\n1、建设智能补贴算法流程，结合流量、折扣券、现金等不同形式在各环节对达人进行激励与扶持，同时设计并优化达人任务系统与后链路的流量扶持与转化补贴，确保任务内容能够有效引导达人快速成长，提升达人短期行为积极性与表现，撬动长期价值增长；\n2、达人分级体系与潜力预估建设，通过潜力建模、LTV预估、体系及评分机制的建设，挖掘潜在的达人电商机会，建立并丰富高潜力作者的候选集合；以数据驱动的方式评估达人在电商内容生产中的表现；通过透明的评价标准，激励达人积极参与并持续贡献高质量内容；\n3、达人诊断框架建设，结合Causal Inference进行因子挖掘、Ranking及方案关联，持续引导达人健康迅速成长；\n4、围绕达人全生命周期构建智能Agent，通过后训练、Agent框架搭建，完善Agent多轮对话、场景遵循、Tool调用等核心能力，实现选品、创作等核心流程自动化决策和反馈，提升达人成长体验。\n\n职位要求\n1、熟悉常用的算法模型，对模型调优有一定实践经验；对以下任一方向有相关经验，熟悉相关的算法技术：\n1）用户增长：熟悉Uplift建模与评估方法；了解因果推断，整数规划/线性规划等运筹算法；\n2）搜索推荐：了解主流深度学习建模技术方向，包含但不限于多场景/多任务、长序列、特征交叉、图网络等方向，了解召回/粗排/精排等流程；\n3）广告投放：熟悉深度转化建模与评估，预算调控Pacing机制；了解强化学习出价建模方式更佳；\n4）LLM模型：对LLM相关知识有一定了解，理解大模型核心技术（模型结构、数据构成、训练Recipe等），包括但不限于后训练、RAG、Agent框架建设等；\n2、熟悉至少一门编程语言（C++/Java/Python），熟悉至少一种大数据计算工具（Hive SQL/Spark/MapReduce），熟悉Linux开发环境；\n3、善于沟通，良好的团队合作精神；对新技术充满好奇，能够持续学习。\n1、建设智能补贴算法流程，结合流量、折扣券、现金等不同形式在各环节对达人进行激励与扶持，同时设计并优化达人任务系统与后链路的流量扶持与转化补贴，确保任务内容能够有效引导达人快速成长，提升达人短期行为积极性与表现，撬动长期价值增长；\n2、达人分级体系与潜力预估建设，通过潜力建模、LTV预估、体系及评分机制的建设，挖掘潜在的达人电商机会，建立并丰富高潜力作者的候选集合；以数据驱动的方式评估达人在电商内容生产中的表现；通过透明的评价标准，激励达人积极参与并持续贡献高质量内容；\n3、达人诊断框架建设，结合Causal Inference进行因子挖掘、Ranking及方案关联，持续引导达人健康迅速成长；\n4、围绕达人全生命周期构建智能Agent，通过后训练、Agent框架搭建，完善Agent多轮对话、场景遵循、Tool调用等核心能力，实现选品、创作等核心流程自动化决策和反馈，提升达人成长体验。\n1、熟悉常用的算法模型，对模型调优有一定实践经验；对以下任一方向有相关经验，熟悉相关的算法技术：\n1）用户增长：熟悉Uplift建模与评估方法；了解因果推断，整数规划/线性规划等运筹算法；\n2）搜索推荐：了解主流深度学习建模技术方向，包含但不限于多场景/多任务、长序列、特征交叉、图网络等方向，了解召回/粗排/精排等流程；\n3）广告投放：熟悉深度转化建模与评估，预算调控Pacing机制；了解强化学习出价建模方式更佳；\n4）LLM模型：对LLM相关知识有一定了解，理解大模型核心技术（模型结构、数据构成、训练Recipe等），包括但不限于后训练、RAG、Agent框架建设等；\n2、熟悉至少一门编程语言（C++/Java/Python），熟悉至少一种大数据计算工具（Hive SQL/Spark/MapReduce），熟悉Linux开发环境；\n3、善于沟通，良好的团队合作精神；对新技术充满好奇，能够持续学习。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}