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": "推荐大模型算法工程师-抖音直播",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、Scaling Law验证和落地：从样本设计、模型结构、训练范式等角度探索推荐模型Scaling up的最优路径，通过训练/推理优化在高ROI水平下持续提升模型能力天花板；\n2、生成式推荐：在直播场景下探索Tokenization、Reward设计，摆脱传统推荐系统对ID等记忆特征的重度依赖并提升链路MFU；\n3、LLM4Rec：探索LLM在推荐场景下的后训练，以及在召回、排序等各环节的深度融合，提升推荐系统智能。",
"requirements_text": "1、具有扎实的机器学习基础和编码能力，对推荐大模型技术有浓厚兴趣，紧跟行业前沿发展；\n2、在搜索广告推荐大模型领域，有参与或者主导过关键项目的优先；\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",
"大语言模型"
],
"preferred_qualifications": "2、在搜索广告推荐大模型领域，有参与或者主导过关键项目的优先；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/7641144934246402357/detail"
}
]
},
"posting": {
"posting_id": "7641144934246402357",
"post_date": "2026-05-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7641144934246402357/detail"
},
"fulltext": "推荐大模型算法工程师-抖音直播\n职位描述\n1、Scaling Law验证和落地：从样本设计、模型结构、训练范式等角度探索推荐模型Scaling up的最优路径，通过训练/推理优化在高ROI水平下持续提升模型能力天花板；\n2、生成式推荐：在直播场景下探索Tokenization、Reward设计，摆脱传统推荐系统对ID等记忆特征的重度依赖并提升链路MFU；\n3、LLM4Rec：探索LLM在推荐场景下的后训练，以及在召回、排序等各环节的深度融合，提升推荐系统智能。\n\n职位要求\n1、具有扎实的机器学习基础和编码能力，对推荐大模型技术有浓厚兴趣，紧跟行业前沿发展；\n2、在搜索广告推荐大模型领域，有参与或者主导过关键项目的优先；\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、Scaling Law验证和落地：从样本设计、模型结构、训练范式等角度探索推荐模型Scaling up的最优路径，通过训练/推理优化在高ROI水平下持续提升模型能力天花板；\n2、生成式推荐：在直播场景下探索Tokenization、Reward设计，摆脱传统推荐系统对ID等记忆特征的重度依赖并提升链路MFU；\n3、LLM4Rec：探索LLM在推荐场景下的后训练，以及在召回、排序等各环节的深度融合，提升推荐系统智能。\n1、具有扎实的机器学习基础和编码能力，对推荐大模型技术有浓厚兴趣，紧跟行业前沿发展；\n2、在搜索广告推荐大模型领域，有参与或者主导过关键项目的优先；\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"
}
}