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": "广告算法工程师（模型基础优化方向）-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": "研发"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、负责穿山甲端到端（End-to-End）推荐架构的设计与落地。打破传统“召回-粗排-精排”多阶段拼接的系统瓶颈，探索统一的表征与对齐方案，完成端到端推荐模型对传统漏斗架构的全面升级与替换；\n2、负责广告场景下的超大规模推荐模型（LRM），探索CTR/CVR基础⼤模型的多维度Scaling Law，包括⼴告模型的全域超⻓序列建模、模型参数量/计算量/样本量的全面Scaling Up，以及LLM/多模态⼤模型前沿技术与⼴告⼤模型的结合和应⽤，推进广告业务模型的范式升级；\n3、设计并探索Scale上限更高、变现ROI更好的新型网络结构；紧跟行业前沿科研，应对千亿参数与海量并发带来的系统级挑战，联合工程团队优化大模型的训练吞吐与在线推理的算力利用率，持续突破变现效率天花板；\n4、探索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，完成生成式模型对传统推荐模型的替换落地。",
"requirements_text": "1、对端到端推荐、LRM技术有浓厚兴趣，紧跟行业前沿发展；有超大参数规模模型（Scaling Up）训练优化经验，或对生成式推荐（Generative Recommendation）有深入研究与实践者优先；\n2、具有扎实的机器学习基础和编码能力，熟练掌握主要的算法和数据结构；\n3、在国际会议发表论文者优先，包括但不限于KDD、SIGIR、RecSys、ACL、NeurIPS等；有推荐大模型相关论文者优先；\n4、具备良好的沟通协作能力，能够与团队共同探索新技术，推动新技术在业务落地。",
"skills": [AI生成
"机器学习",
"数据结构",
"大语言模型"
],
"preferred_qualifications": "有超大参数规模模型（Scaling Up）训练优化经验，或对生成式推荐（Generative Recommendation）有深入研究与实践者优先；3、在国际会议发表论文者优先，包括但不限于KDD、SIGIR、RecSys、ACL、NeurIPS等；有推荐大模型相关论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7634198234092767541/detail"
}
]
},
"posting": {
"posting_id": "7634198234092767541",
"post_date": "2026-04-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7634198234092767541/detail"
},
"fulltext": "广告算法工程师（模型基础优化方向）-Data\n职位描述\n1、负责穿山甲端到端（End-to-End）推荐架构的设计与落地。打破传统“召回-粗排-精排”多阶段拼接的系统瓶颈，探索统一的表征与对齐方案，完成端到端推荐模型对传统漏斗架构的全面升级与替换；\n2、负责广告场景下的超大规模推荐模型（LRM），探索CTR/CVR基础⼤模型的多维度Scaling Law，包括⼴告模型的全域超⻓序列建模、模型参数量/计算量/样本量的全面Scaling Up，以及LLM/多模态⼤模型前沿技术与⼴告⼤模型的结合和应⽤，推进广告业务模型的范式升级；\n3、设计并探索Scale上限更高、变现ROI更好的新型网络结构；紧跟行业前沿科研，应对千亿参数与海量并发带来的系统级挑战，联合工程团队优化大模型的训练吞吐与在线推理的算力利用率，持续突破变现效率天花板；\n4、探索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，完成生成式模型对传统推荐模型的替换落地。\n\n职位要求\n1、对端到端推荐、LRM技术有浓厚兴趣，紧跟行业前沿发展；有超大参数规模模型（Scaling Up）训练优化经验，或对生成式推荐（Generative Recommendation）有深入研究与实践者优先；\n2、具有扎实的机器学习基础和编码能力，熟练掌握主要的算法和数据结构；\n3、在国际会议发表论文者优先，包括但不限于KDD、SIGIR、RecSys、ACL、NeurIPS等；有推荐大模型相关论文者优先；\n4、具备良好的沟通协作能力，能够与团队共同探索新技术，推动新技术在业务落地。\n1、负责穿山甲端到端（End-to-End）推荐架构的设计与落地。打破传统“召回-粗排-精排”多阶段拼接的系统瓶颈，探索统一的表征与对齐方案，完成端到端推荐模型对传统漏斗架构的全面升级与替换；\n2、负责广告场景下的超大规模推荐模型（LRM），探索CTR/CVR基础⼤模型的多维度Scaling Law，包括⼴告模型的全域超⻓序列建模、模型参数量/计算量/样本量的全面Scaling Up，以及LLM/多模态⼤模型前沿技术与⼴告⼤模型的结合和应⽤，推进广告业务模型的范式升级；\n3、设计并探索Scale上限更高、变现ROI更好的新型网络结构；紧跟行业前沿科研，应对千亿参数与海量并发带来的系统级挑战，联合工程团队优化大模型的训练吞吐与在线推理的算力利用率，持续突破变现效率天花板；\n4、探索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，完成生成式模型对传统推荐模型的替换落地。\n1、对端到端推荐、LRM技术有浓厚兴趣，紧跟行业前沿发展；有超大参数规模模型（Scaling Up）训练优化经验，或对生成式推荐（Generative Recommendation）有深入研究与实践者优先；\n2、具有扎实的机器学习基础和编码能力，熟练掌握主要的算法和数据结构；\n3、在国际会议发表论文者优先，包括但不限于KDD、SIGIR、RecSys、ACL、NeurIPS等；有推荐大模型相关论文者优先；\n4、具备良好的沟通协作能力，能够与团队共同探索新技术，推动新技术在业务落地。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}