主分类：AI训练推理与计算优化
辅助：搜索推荐与业务决策算法研发（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": "【实习】广告场景下的生成式搜广推大模型技术研究-Global Ads Infra（北京/上海）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "基础架构"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": "博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：Global Ads Infra 团队面向字节跳动国际化广告业务，构建贯通全球广告主与海量流量的高并发、高性能、高可用广告基础架构与业务中台。我们长期深耕广告投放系统、算法服务与深度学习工程，打造了覆盖多地区、多数据中心的全球化广告系统架构，并在大规模分布式训练、极致低时延在线推理、异构算力统一调度和编译优化等方向形成了体系化技术能力。面向大模型时代，我们将推荐大模型、AIGC 创意生成、投放诊断助手、智能客服与导购、多模态理解与用户建模、强化学习在线策略优化等前沿技术深度融入广告全链路，持续构建高效、稳定、可扩展的大模型基础设施，为字节跳动全球广告业务提供强有力且可持续演进的技术底座。\n\n课题介绍：\n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届及以后毕业，博士在读；\n2、具备扎实的计算机基础，熟练掌握数据结构、算法、操作系统、网络等基础知识，精通至少一门编程语言（如C++/Python等），有良好的编码规范和工程质量意识；\n3、在分布式系统、机器学习/深度学习基础设施、或在线服务基础设施方面有实践经验，对训练平台、推理服务、特征服务、存储与缓存、服务治理等任一方向有深入理解；\n4、熟悉模型训练与推理框架（如PyTorch、JAX、TensorFlow、vLLM、SGLang等）中的至少一种，对分布式训练、模型并行/流水并行、推理加速、异构硬件调度等有实战经验或深入兴趣；\n5、对广告系统有一定了解，熟悉召回、排序、定向、出价等任一环节的基本原理及常见优化思路，有相关业务经验者优先；\n6、对大模型、生成式AI、RAG、多模态建模、因果推断、超长序列建模等方向有持续关注，对新技术敏感，愿意在复杂业务场景中推动技术从0到1落地；具备良好的沟通协作能力，能够与算法、产品、运营等多团队紧密合作，驱动复杂项目在不确定环境下持续迭代与交付。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据结构",
"分布式系统",
"模型训练",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "5、对广告系统有一定了解，熟悉召回、排序、定向、出价等任一环节的基本原理及常见优化思路，有相关业务经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7628905570569947445/detail"
}
]
},
"posting": {
"posting_id": "7628905570569947445",
"post_date": "2026-04-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7628905570569947445/detail"
},
"fulltext": "【实习】广告场景下的生成式搜广推大模型技术研究-Global Ads Infra（北京/上海）\n职位描述\n团队介绍：Global Ads Infra 团队面向字节跳动国际化广告业务，构建贯通全球广告主与海量流量的高并发、高性能、高可用广告基础架构与业务中台。我们长期深耕广告投放系统、算法服务与深度学习工程，打造了覆盖多地区、多数据中心的全球化广告系统架构，并在大规模分布式训练、极致低时延在线推理、异构算力统一调度和编译优化等方向形成了体系化技术能力。面向大模型时代，我们将推荐大模型、AIGC 创意生成、投放诊断助手、智能客服与导购、多模态理解与用户建模、强化学习在线策略优化等前沿技术深度融入广告全链路，持续构建高效、稳定、可扩展的大模型基础设施，为字节跳动全球广告业务提供强有力且可持续演进的技术底座。\n\n课题介绍：\n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届及以后毕业，博士在读；\n2、具备扎实的计算机基础，熟练掌握数据结构、算法、操作系统、网络等基础知识，精通至少一门编程语言（如C++/Python等），有良好的编码规范和工程质量意识；\n3、在分布式系统、机器学习/深度学习基础设施、或在线服务基础设施方面有实践经验，对训练平台、推理服务、特征服务、存储与缓存、服务治理等任一方向有深入理解；\n4、熟悉模型训练与推理框架（如PyTorch、JAX、TensorFlow、vLLM、SGLang等）中的至少一种，对分布式训练、模型并行/流水并行、推理加速、异构硬件调度等有实战经验或深入兴趣；\n5、对广告系统有一定了解，熟悉召回、排序、定向、出价等任一环节的基本原理及常见优化思路，有相关业务经验者优先；\n6、对大模型、生成式AI、RAG、多模态建模、因果推断、超长序列建模等方向有持续关注，对新技术敏感，愿意在复杂业务场景中推动技术从0到1落地；具备良好的沟通协作能力，能够与算法、产品、运营等多团队紧密合作，驱动复杂项目在不确定环境下持续迭代与交付。\n团队介绍：Global Ads Infra 团队面向字节跳动国际化广告业务，构建贯通全球广告主与海量流量的高并发、高性能、高可用广告基础架构与业务中台。我们长期深耕广告投放系统、算法服务与深度学习工程，打造了覆盖多地区、多数据中心的全球化广告系统架构，并在大规模分布式训练、极致低时延在线推理、异构算力统一调度和编译优化等方向形成了体系化技术能力。面向大模型时代，我们将推荐大模型、AIGC 创意生成、投放诊断助手、智能客服与导购、多模态理解与用户建模、强化学习在线策略优化等前沿技术深度融入广告全链路，持续构建高效、稳定、可扩展的大模型基础设施，为字节跳动全球广告业务提供强有力且可持续演进的技术底座。\n\n课题介绍：\n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届及以后毕业，博士在读；\n2、具备扎实的计算机基础，熟练掌握数据结构、算法、操作系统、网络等基础知识，精通至少一门编程语言（如C++/Python等），有良好的编码规范和工程质量意识；\n3、在分布式系统、机器学习/深度学习基础设施、或在线服务基础设施方面有实践经验，对训练平台、推理服务、特征服务、存储与缓存、服务治理等任一方向有深入理解；\n4、熟悉模型训练与推理框架（如PyTorch、JAX、TensorFlow、vLLM、SGLang等）中的至少一种，对分布式训练、模型并行/流水并行、推理加速、异构硬件调度等有实战经验或深入兴趣；\n5、对广告系统有一定了解，熟悉召回、排序、定向、出价等任一环节的基本原理及常见优化思路，有相关业务经验者优先；\n6、对大模型、生成式AI、RAG、多模态建模、因果推断、超长序列建模等方向有持续关注，对新技术敏感，愿意在复杂业务场景中推动技术从0到1落地；具备良好的沟通协作能力，能够与算法、产品、运营等多团队紧密合作，驱动复杂项目在不确定环境下持续迭代与交付。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}