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": "大模型推荐高级算法工程师（国际电商联盟业务）-Data",
"job_level": "高级",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、负责主导一个方向的大模型技术在国际电商联盟推荐场景的应用与演进，作为技术负责人推动方案的设计、落地与持续迭代。重点方向包括但不限于：生成式推荐（Generative Recommendation）、LLM4rec、精排模型复杂化（scaling up）等；\n2、从系统层面出发，应用大模型能力对现有推荐全链路（召回、粗排、精排、重排序）进行升级与重构，建立统一的特征与模型服务体系，驱动全链路效率的系统性提升；\n3、通过算法自动挖掘更有成长潜力的商品以及达人的兴趣，构建良性的循环机制，优化内容电商生态；\n4、结合国际电商联盟的业务特性，深入探索和优化探索与利用（E&E）策略，结合强化学习、在线学习与大模型推理能力，平衡短期业务指标与长期生态健康，提升用户、达人与商家的多方体验。",
"requirements_text": "1、有负责和主导核心算法方向落地的经验和能力；\n2、扎实的算法和数据结构基础，优秀的问题理解能力和编码能力；\n3、机器学习基础理论扎实，熟悉常用的算法模型,以及在推荐大模型迭代中，对模型调优有一定实践经验；\n4、对推荐系统召回/排序/多样性/冷启动中一个或多个方向有过深入的实践，了解业界经典的模型和方法；\n5、在推荐，搜索,⼴告AIGC，LLM，多模态等方向具有深入实践研究经验,能独立推动技术方案落地；\n6、对电商、内容生态达人/商家联盟业务兴趣，具备全局视角产思维，能够深入理解业务需求并将前沿技术有效落地为可规模化、可迭代的业务系统。",
"skills": [AI生成
"机器学习",
"数据结构",
"大语言模型"
],
"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/7637433109910227205/detail"
}
]
},
"posting": {
"posting_id": "7637433109910227205",
"post_date": "2026-05-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7637433109910227205/detail"
},
"fulltext": "大模型推荐高级算法工程师（国际电商联盟业务）-Data\n职位描述\n1、负责主导一个方向的大模型技术在国际电商联盟推荐场景的应用与演进，作为技术负责人推动方案的设计、落地与持续迭代。重点方向包括但不限于：生成式推荐（Generative Recommendation）、LLM4rec、精排模型复杂化（scaling up）等；\n2、从系统层面出发，应用大模型能力对现有推荐全链路（召回、粗排、精排、重排序）进行升级与重构，建立统一的特征与模型服务体系，驱动全链路效率的系统性提升；\n3、通过算法自动挖掘更有成长潜力的商品以及达人的兴趣，构建良性的循环机制，优化内容电商生态；\n4、结合国际电商联盟的业务特性，深入探索和优化探索与利用（E&E）策略，结合强化学习、在线学习与大模型推理能力，平衡短期业务指标与长期生态健康，提升用户、达人与商家的多方体验。\n\n职位要求\n1、有负责和主导核心算法方向落地的经验和能力；\n2、扎实的算法和数据结构基础，优秀的问题理解能力和编码能力；\n3、机器学习基础理论扎实，熟悉常用的算法模型,以及在推荐大模型迭代中，对模型调优有一定实践经验；\n4、对推荐系统召回/排序/多样性/冷启动中一个或多个方向有过深入的实践，了解业界经典的模型和方法；\n5、在推荐，搜索,⼴告AIGC，LLM，多模态等方向具有深入实践研究经验,能独立推动技术方案落地；\n6、对电商、内容生态达人/商家联盟业务兴趣，具备全局视角产思维，能够深入理解业务需求并将前沿技术有效落地为可规模化、可迭代的业务系统。\n1、负责主导一个方向的大模型技术在国际电商联盟推荐场景的应用与演进，作为技术负责人推动方案的设计、落地与持续迭代。重点方向包括但不限于：生成式推荐（Generative Recommendation）、LLM4rec、精排模型复杂化（scaling up）等；\n2、从系统层面出发，应用大模型能力对现有推荐全链路（召回、粗排、精排、重排序）进行升级与重构，建立统一的特征与模型服务体系，驱动全链路效率的系统性提升；\n3、通过算法自动挖掘更有成长潜力的商品以及达人的兴趣，构建良性的循环机制，优化内容电商生态；\n4、结合国际电商联盟的业务特性，深入探索和优化探索与利用（E&E）策略，结合强化学习、在线学习与大模型推理能力，平衡短期业务指标与长期生态健康，提升用户、达人与商家的多方体验。\n1、有负责和主导核心算法方向落地的经验和能力；\n2、扎实的算法和数据结构基础，优秀的问题理解能力和编码能力；\n3、机器学习基础理论扎实，熟悉常用的算法模型,以及在推荐大模型迭代中，对模型调优有一定实践经验；\n4、对推荐系统召回/排序/多样性/冷启动中一个或多个方向有过深入的实践，了解业界经典的模型和方法；\n5、在推荐，搜索,⼴告AIGC，LLM，多模态等方向具有深入实践研究经验,能独立推动技术方案落地；\n6、对电商、内容生态达人/商家联盟业务兴趣，具备全局视角产思维，能够深入理解业务需求并将前沿技术有效落地为可规模化、可迭代的业务系统。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}