主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（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": "广告场景下的生成式搜广推大模型技术研究-国际化内容与服务广告（北京/上海）",
"job_level": "校招",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": "获得博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：内容与服务广告团队是全球变现产品组织的一部分，负责为应用下载、游戏、短剧、线索等行业客户构建广告产品。我们的愿景是通过构建支持独特垂直需求、新的变现模式和应用生命周期不同阶段的产品，使我们的产品成为营销人员获取、保留和变现用户的领先平台。\n\n课题介绍：本课题深耕TikTok全球化广告核心场景，聚焦生成式搜广推前沿技术创新与落地，深度融合大模型与广告业务，攻坚推荐大模型（Large Recommender Model）、大语言模型（LLM）领域的核心技术难题，打造具备自主决策能力的下一代智能广告引擎。\n我们布局推荐大模型Scaling Law、端到端统一建模、基于多模态Semantic ID的用户行为序列统一建模、生成式全链路技术（生成式召回、生成式排序、AIGC素材生成、生成式出价）、广告投放智能Agent、超长序列建模、因果推断等前沿方向，应对千亿级特征、毫秒级响应的极致挑战，推动广告推荐向 Foundation Model 范式演进，实现变现效率与用户体验的双向跃升。\n\n课题挑战：\n1、探索推荐广告大模型Scaling Law，构建多模态语义统一建模的基础模型；\n2、构建面向用户长期价值（LTV）和长周期ROAS的智能广告投放系统，实现商业价值与用户体验的双向平衡了；\n3、优化大模型全流程训练与在线推理框架，平衡算力成本与实时响应性能，破解效果-延迟的落地瓶颈。\n\n课题价值：\n突破原有技术瓶颈，推动广告系统从“匹配”向“生成与推理”范式升级，提升全链路ROI、泛化性与决策智能化，沉淀行业领先技术壁垒，提升用户体验和商业价值。",
"requirements_text": "1、2027届毕业，获得博士学位，人工智能、计算机、自然语言处理、计算机视觉等相关专业优先；\n2、熟悉C++和Python，有扎实的编程基础、良好的编程风格和工作习惯，优先：有大规模数据挖掘、分布式计算经验，熟悉Hadoop、Spark框架；\n3、较好的机器学习/深度学习理论和实践经验，熟悉深度学习算法，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurlPS、ACL、EMNLP等顶会论文，或在Kaggle/ACM等顶级赛事中获得优异名次，熟悉TensorFlow/PyTorch框架和原理；\n4、熟悉搜广推算法、大语言模型、多模态大模型、深度学习、强化学习等相关领域；\n5、具备良好的工程意识，能结合工程优化设计并落地大模型方案；\n6、工作态度积极主动，有强烈的主人翁意识和良好的团队协作精神，愿意接受有挑战性的工作，具有刨根问底的精神；优秀的分析和解决问题的能力，逻辑清晰，具有严谨科学的实验习惯。",
"skills": [AI生成
"Python",
"C++",
"Spark",
"Hadoop",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"数据挖掘",
"团队协作",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "1、2027届毕业，获得博士学位，人工智能、计算机、自然语言处理、计算机视觉等相关专业优先；2、熟悉C++和Python，有扎实的编程基础、良好的编程风格和工作习惯，优先：有大规模数据挖掘、分布式计算经验，熟悉Hadoop、Spark框架；3、较好的机器学习/深度学习理论和实践经验，熟悉深度学习算法，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurlPS、ACL、EMNLP等顶会论文，或在Kaggle/ACM等顶级赛事中获得优异名次，熟悉TensorFlow/PyTorch框架和原理",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7628879164905703685/detail"
}
]
},
"posting": {
"posting_id": "7628879164905703685",
"post_date": "2026-04-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7628879164905703685/detail"
},
"fulltext": "广告场景下的生成式搜广推大模型技术研究-国际化内容与服务广告（北京/上海）\n职位描述\n团队介绍：内容与服务广告团队是全球变现产品组织的一部分，负责为应用下载、游戏、短剧、线索等行业客户构建广告产品。我们的愿景是通过构建支持独特垂直需求、新的变现模式和应用生命周期不同阶段的产品，使我们的产品成为营销人员获取、保留和变现用户的领先平台。\n\n课题介绍：本课题深耕TikTok全球化广告核心场景，聚焦生成式搜广推前沿技术创新与落地，深度融合大模型与广告业务，攻坚推荐大模型（Large Recommender Model）、大语言模型（LLM）领域的核心技术难题，打造具备自主决策能力的下一代智能广告引擎。\n我们布局推荐大模型Scaling Law、端到端统一建模、基于多模态Semantic ID的用户行为序列统一建模、生成式全链路技术（生成式召回、生成式排序、AIGC素材生成、生成式出价）、广告投放智能Agent、超长序列建模、因果推断等前沿方向，应对千亿级特征、毫秒级响应的极致挑战，推动广告推荐向 Foundation Model 范式演进，实现变现效率与用户体验的双向跃升。\n\n课题挑战：\n1、探索推荐广告大模型Scaling Law，构建多模态语义统一建模的基础模型；\n2、构建面向用户长期价值（LTV）和长周期ROAS的智能广告投放系统，实现商业价值与用户体验的双向平衡了；\n3、优化大模型全流程训练与在线推理框架，平衡算力成本与实时响应性能，破解效果-延迟的落地瓶颈。\n\n课题价值：\n突破原有技术瓶颈，推动广告系统从“匹配”向“生成与推理”范式升级，提升全链路ROI、泛化性与决策智能化，沉淀行业领先技术壁垒，提升用户体验和商业价值。\n\n职位要求\n1、2027届毕业，获得博士学位，人工智能、计算机、自然语言处理、计算机视觉等相关专业优先；\n2、熟悉C++和Python，有扎实的编程基础、良好的编程风格和工作习惯，优先：有大规模数据挖掘、分布式计算经验，熟悉Hadoop、Spark框架；\n3、较好的机器学习/深度学习理论和实践经验，熟悉深度学习算法，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurlPS、ACL、EMNLP等顶会论文，或在Kaggle/ACM等顶级赛事中获得优异名次，熟悉TensorFlow/PyTorch框架和原理；\n4、熟悉搜广推算法、大语言模型、多模态大模型、深度学习、强化学习等相关领域；\n5、具备良好的工程意识，能结合工程优化设计并落地大模型方案；\n6、工作态度积极主动，有强烈的主人翁意识和良好的团队协作精神，愿意接受有挑战性的工作，具有刨根问底的精神；优秀的分析和解决问题的能力，逻辑清晰，具有严谨科学的实验习惯。\n团队介绍：内容与服务广告团队是全球变现产品组织的一部分，负责为应用下载、游戏、短剧、线索等行业客户构建广告产品。我们的愿景是通过构建支持独特垂直需求、新的变现模式和应用生命周期不同阶段的产品，使我们的产品成为营销人员获取、保留和变现用户的领先平台。\n\n课题介绍：本课题深耕TikTok全球化广告核心场景，聚焦生成式搜广推前沿技术创新与落地，深度融合大模型与广告业务，攻坚推荐大模型（Large Recommender Model）、大语言模型（LLM）领域的核心技术难题，打造具备自主决策能力的下一代智能广告引擎。\n我们布局推荐大模型Scaling Law、端到端统一建模、基于多模态Semantic ID的用户行为序列统一建模、生成式全链路技术（生成式召回、生成式排序、AIGC素材生成、生成式出价）、广告投放智能Agent、超长序列建模、因果推断等前沿方向，应对千亿级特征、毫秒级响应的极致挑战，推动广告推荐向 Foundation Model 范式演进，实现变现效率与用户体验的双向跃升。\n\n课题挑战：\n1、探索推荐广告大模型Scaling Law，构建多模态语义统一建模的基础模型；\n2、构建面向用户长期价值（LTV）和长周期ROAS的智能广告投放系统，实现商业价值与用户体验的双向平衡了；\n3、优化大模型全流程训练与在线推理框架，平衡算力成本与实时响应性能，破解效果-延迟的落地瓶颈。\n\n课题价值：\n突破原有技术瓶颈，推动广告系统从“匹配”向“生成与推理”范式升级，提升全链路ROI、泛化性与决策智能化，沉淀行业领先技术壁垒，提升用户体验和商业价值。\n1、2027届毕业，获得博士学位，人工智能、计算机、自然语言处理、计算机视觉等相关专业优先；\n2、熟悉C++和Python，有扎实的编程基础、良好的编程风格和工作习惯，优先：有大规模数据挖掘、分布式计算经验，熟悉Hadoop、Spark框架；\n3、较好的机器学习/深度学习理论和实践经验，熟悉深度学习算法，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurlPS、ACL、EMNLP等顶会论文，或在Kaggle/ACM等顶级赛事中获得优异名次，熟悉TensorFlow/PyTorch框架和原理；\n4、熟悉搜广推算法、大语言模型、多模态大模型、深度学习、强化学习等相关领域；\n5、具备良好的工程意识，能结合工程优化设计并落地大模型方案；\n6、工作态度积极主动，有强烈的主人翁意识和良好的团队协作精神，愿意接受有挑战性的工作，具有刨根问底的精神；优秀的分析和解决问题的能力，逻辑清晰，具有严谨科学的实验习惯。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}