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": "算法工程师（ETA履约/智能定价/物流搜推融合方向）-国际电商",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"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": "计算机、统计学、运筹学、数学等相关专业硕士学位及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、ETA与时空序列建模：负责Shop核心的预计送达时间（ETA）算法研发；基于海量全球物流轨迹数据，运用深度学习、图神经网络（GNN）、序列建模等技术，持续迭代自研的OneTrans模型，提升全链路时效预测精度，优化用户下单前的决策体验与转化漏斗；\n2、智能定价与运筹优化：深入复杂的跨境与本土电商履约场景，负责运费定价、包邮门槛及补贴策略的算法设计；综合运用因果推断（Causal Inference）、运筹优化（OR）等技术，构建多目标优化框架，在保障用户体验的同时实现平台成本、ROI与收益的全局最优解；\n3、搜推融合与流量调控：打破传统物流与电商的边界，将履约时效、物流成本等核心因子深度接入搜索与推荐（RecSys）链路；设计并落地基于物流感知的流量分发与机制设计策略，优化曝光效率，直接拉动用户转化、留存及复购；\n4、大模型（LLM）与Agent前沿应用：探索并落地大语言模型在电商及供应链场景的创新应用；基于海量业务数据进行CPT/SFT/RL微调，构建专属垂直大模型，设计基于“Agent+Skill”架构的智能体，赋能复杂运营场景的异常诊断与自动化决策，实现业务大幅提效。",
"requirements_text": "1、计算机、统计学、运筹学、数学等相关专业硕士学位及以上；\n2、具备扎实的代码基本功和数据结构基础，熟练掌握Python/C++/Java中的至少一种，具备优秀的工程架构与落地能力；\n3、在机器学习、深度学习领域有深厚积累，熟练使用TensorFlow/PyTorch等主流框架，具备海量数据（Spark/Hive SQL）处理经验；\n4、具备良好的业务意识和数据敏感度，熟悉A/B实验原理与分析方法，能从海量数据中挖掘规律并转化为业务产出；\n5、具备自驱力、逻辑拆解能力和跨团队沟通协作能力，面对复杂、开放性的业务问题能快速高效达成目标；\n6、对解决高价值、高挑战的To C电商业务问题抱有强烈热情，致力于通过技术驱动业务规模与用户体验的增长。\n\n加分项（满足其一即可）在以下任一核心领域有深入研究或丰富落地经验：\n1、搜推算法：推荐系统排序（Ranking）、机制设计、计算广告或流量分发；\n2、因果推断：动态定价、Uplift建模或用户增长算法；\n3、时空建模：序列预测、ETA建模或图神经网络（GNN）；\n4、大模型/AIGC：熟悉LLM训练链路（CPT/SFT/RLHF）及Agentic工作流搭建；\n5、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICLR、ICML等顶会发表过高质量论文者优先；\n6、有电商、物流、外卖、打车等O2O履约算法相关背景者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"SQL",
"Spark",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据结构",
"建模",
"大语言模型"
],
"preferred_qualifications": "加分项（满足其一即可）在以下任一核心领域有深入研究或丰富落地经验：；5、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICLR、ICML等顶会发表过高质量论文者优先；6、有电商、物流、外卖、打车等O2O履约算法相关背景者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7637024139616389381/detail"
}
]
},
"posting": {
"posting_id": "7637024139616389381",
"post_date": "2026-05-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7637024139616389381/detail"
},
"fulltext": "算法工程师（ETA履约/智能定价/物流搜推融合方向）-国际电商\n职位描述\n1、ETA与时空序列建模：负责Shop核心的预计送达时间（ETA）算法研发；基于海量全球物流轨迹数据，运用深度学习、图神经网络（GNN）、序列建模等技术，持续迭代自研的OneTrans模型，提升全链路时效预测精度，优化用户下单前的决策体验与转化漏斗；\n2、智能定价与运筹优化：深入复杂的跨境与本土电商履约场景，负责运费定价、包邮门槛及补贴策略的算法设计；综合运用因果推断（Causal Inference）、运筹优化（OR）等技术，构建多目标优化框架，在保障用户体验的同时实现平台成本、ROI与收益的全局最优解；\n3、搜推融合与流量调控：打破传统物流与电商的边界，将履约时效、物流成本等核心因子深度接入搜索与推荐（RecSys）链路；设计并落地基于物流感知的流量分发与机制设计策略，优化曝光效率，直接拉动用户转化、留存及复购；\n4、大模型（LLM）与Agent前沿应用：探索并落地大语言模型在电商及供应链场景的创新应用；基于海量业务数据进行CPT/SFT/RL微调，构建专属垂直大模型，设计基于“Agent+Skill”架构的智能体，赋能复杂运营场景的异常诊断与自动化决策，实现业务大幅提效。\n\n职位要求\n1、计算机、统计学、运筹学、数学等相关专业硕士学位及以上；\n2、具备扎实的代码基本功和数据结构基础，熟练掌握Python/C++/Java中的至少一种，具备优秀的工程架构与落地能力；\n3、在机器学习、深度学习领域有深厚积累，熟练使用TensorFlow/PyTorch等主流框架，具备海量数据（Spark/Hive SQL）处理经验；\n4、具备良好的业务意识和数据敏感度，熟悉A/B实验原理与分析方法，能从海量数据中挖掘规律并转化为业务产出；\n5、具备自驱力、逻辑拆解能力和跨团队沟通协作能力，面对复杂、开放性的业务问题能快速高效达成目标；\n6、对解决高价值、高挑战的To C电商业务问题抱有强烈热情，致力于通过技术驱动业务规模与用户体验的增长。\n\n加分项（满足其一即可）在以下任一核心领域有深入研究或丰富落地经验：\n1、搜推算法：推荐系统排序（Ranking）、机制设计、计算广告或流量分发；\n2、因果推断：动态定价、Uplift建模或用户增长算法；\n3、时空建模：序列预测、ETA建模或图神经网络（GNN）；\n4、大模型/AIGC：熟悉LLM训练链路（CPT/SFT/RLHF）及Agentic工作流搭建；\n5、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICLR、ICML等顶会发表过高质量论文者优先；\n6、有电商、物流、外卖、打车等O2O履约算法相关背景者优先。\n1、ETA与时空序列建模：负责Shop核心的预计送达时间（ETA）算法研发；基于海量全球物流轨迹数据，运用深度学习、图神经网络（GNN）、序列建模等技术，持续迭代自研的OneTrans模型，提升全链路时效预测精度，优化用户下单前的决策体验与转化漏斗；\n2、智能定价与运筹优化：深入复杂的跨境与本土电商履约场景，负责运费定价、包邮门槛及补贴策略的算法设计；综合运用因果推断（Causal Inference）、运筹优化（OR）等技术，构建多目标优化框架，在保障用户体验的同时实现平台成本、ROI与收益的全局最优解；\n3、搜推融合与流量调控：打破传统物流与电商的边界，将履约时效、物流成本等核心因子深度接入搜索与推荐（RecSys）链路；设计并落地基于物流感知的流量分发与机制设计策略，优化曝光效率，直接拉动用户转化、留存及复购；\n4、大模型（LLM）与Agent前沿应用：探索并落地大语言模型在电商及供应链场景的创新应用；基于海量业务数据进行CPT/SFT/RL微调，构建专属垂直大模型，设计基于“Agent+Skill”架构的智能体，赋能复杂运营场景的异常诊断与自动化决策，实现业务大幅提效。\n1、计算机、统计学、运筹学、数学等相关专业硕士学位及以上；\n2、具备扎实的代码基本功和数据结构基础，熟练掌握Python/C++/Java中的至少一种，具备优秀的工程架构与落地能力；\n3、在机器学习、深度学习领域有深厚积累，熟练使用TensorFlow/PyTorch等主流框架，具备海量数据（Spark/Hive SQL）处理经验；\n4、具备良好的业务意识和数据敏感度，熟悉A/B实验原理与分析方法，能从海量数据中挖掘规律并转化为业务产出；\n5、具备自驱力、逻辑拆解能力和跨团队沟通协作能力，面对复杂、开放性的业务问题能快速高效达成目标；\n6、对解决高价值、高挑战的To C电商业务问题抱有强烈热情，致力于通过技术驱动业务规模与用户体验的增长。\n\n加分项（满足其一即可）在以下任一核心领域有深入研究或丰富落地经验：\n1、搜推算法：推荐系统排序（Ranking）、机制设计、计算广告或流量分发；\n2、因果推断：动态定价、Uplift建模或用户增长算法；\n3、时空建模：序列预测、ETA建模或图神经网络（GNN）；\n4、大模型/AIGC：熟悉LLM训练链路（CPT/SFT/RLHF）及Agentic工作流搭建；\n5、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICLR、ICML等顶会发表过高质量论文者优先；\n6、有电商、物流、外卖、打车等O2O履约算法相关背景者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}