{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent开发工程师-国际化广告信号度量（北京/上海）",
        "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": "后端"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": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、自主排序优化Agent研发面向全链路排序（召回、粗排、精排、混排）的自主优化Agent，让Agent自主完成优化假设生成、融合公式与超参规则调优、参数上线的闭环迭代，显著提升排序研发效率与多目标融合（CTR、CVR、广告主效果、平台收益、用户体验）的决策质量；\n2、自动化实验与跨轮记忆体系建设广告算法的自动化实验能力，让Agent辅助完成实验设计、指标分析、失败归因与离线-在线偏差诊断；通过跨轮记忆沉淀历史实验、行业经验与策略效果，支撑推荐与投放策略的持续进化；\n3、广告投放Agent系统与产品智能决策：研发广告投放Agent系统，将LLM、Multi-Agent协作、长期记忆与工具调用融入投放决策，构建面向广告主增长的投放诊断、策略生成、参数调优与客户运营智能化闭环；建设和优化GMV Max、Smart+等国际化广告自动化投放产品，结合机器学习、运筹优化与AIGC/大语言模型能力，为广告主提供自动创编、素材优选、版位优选、人群挖掘、自动定向与预算调控等智能投放能力；\n4、生成式出价与竞价融合强化学习与生成式序列决策（Decision Transformer、GRPO、离线强化学习等），构建出价/竞价决策Agent，在Multi-Agent竞价博弈中将海量历史投放数据转化为可学习、可生成的实时出价策略，提升广告主跑量能力与成本达成率；\n5、工程化落地与效果度量推动广告Agent与算法策略在大规模生产环境稳定落地，建设高并发、低延迟、可观测、可回滚的在线系统与监控体系，并通过A/B测试与因果推断量化业务收益。",
        "requirements_text": "1、学历与基础能力，本科及以上学历，计算机、人工智能、数学、统计学、运筹学、自动化等相关专业优先，硕士学位或博士学位优先，具备扎实的数据结构、算法基础与良好的代码习惯；\n2、编程与算法工程能力，熟练掌握Python、C++、Go、Java中至少一门语言，熟悉PyTorch、TensorFlow等主流深度学习框架，具备良好的工程实现与线上问题定位能力，有ACM/ICPC、Kaggle等竞赛经历者优先；\n3、机器学习与广告推荐算法，深入理解机器学习、深度学习与广告推荐算法，熟悉Transformer、MTL、CTR/CVR预估、召回、排序、混排、多目标优化等技术，有搜索、推荐、广告、电商或增长营销算法经验者优先；\n4、强化学习与决策优化，熟悉强化学习、运筹优化、控制理论、博弈论或因果推断中的一种或多种方法，有强化学习应用于广告竞价、智能出价或序列决策建模经验者优先；\n5、大模型Agent与生成式，AI对LLM Agent、生成式AI与Agentic Recommendation有深入理解或实践经验，熟悉检索增强生成、工具调用、长期记忆、Multi-Agent协作、自动化实验、模型微调、偏好对齐、强化学习对齐等技术，有广告Agent、推荐Agent或复杂Multi-Agent系统落地经验者优先。\n\n加分项：\n1、系统设计、协作与加分项，具备优秀的问题抽象、系统设计、工程落地与跨团队协作能力，能够将复杂商业目标抽象为算法问题与Agent任务流；\n2、在NeurIPS、ICML、ICLR、KDD、RecSys、SIGIR等会议发表过相关论文；\n3、有广告算法、推荐系统、客户增长、大规模运筹优化或智能决策系统经验；\n4、有高质量开源贡献，或具备Agent框架的生产级落地经验。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "强化学习",
            "推荐算法",
            "数据结构",
            "模型微调",
            "团队协作",
            "建模",
            "Go",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "1、学历与基础能力，本科及以上学历，计算机、人工智能、数学、统计学、运筹学、自动化等相关专业优先，硕士学位或博士学位优先，具备扎实的数据结构、算法基础与良好的代码习惯；2、编程与算法工程能力，熟练掌握Python、C++、Go、Java中至少一门语言，熟悉PyTorch、TensorFlow等主流深度学习框架，具备良好的工程实现与线上问题定位能力，有ACM/ICPC、Kaggle等竞赛经历者优先；3、机器学习与广告推荐算法，深入理解机器学习、深度学习与广告推荐算法，熟悉Transformer、MTL、CTR/CVR预估、召回、排序、混排、多目标优化等技术，有搜索、推荐、广告、电商或增长营销算法经验者优先；4、强化学习与决策优化，熟悉强化学习、运筹优化、控制理论、博弈论或因果推断中的一种或多种方法，有强化学习应用于广告竞价、智能出价或序列决策建模经验者优先；5、大模型Agent与生成式，AI对LLM Agent、生成式AI与Agentic Recommendation有深入理解或实践经验，熟悉检索增强生成、工具调用、长期记忆、Multi-Agent协作、自动化实验、模型微调、偏好对齐、强化学习对齐等技术，有广告Agent、推荐Agent或复杂Multi-Agent系统落地经验者优先；加分项：；1、系统设计、协作与加分项，具备优秀的问题抽象、系统设计、工程落地与跨团队协作能力，能够将复杂商业目标抽象为算法问题与Agent任务流",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7642532365437749509/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7642532365437749509",
        "post_date": "2026-05-22",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7642532365437749509/detail"
    },
    "fulltext": "Agent开发工程师-国际化广告信号度量（北京/上海）\n职位描述\n1、自主排序优化Agent研发面向全链路排序（召回、粗排、精排、混排）的自主优化Agent，让Agent自主完成优化假设生成、融合公式与超参规则调优、参数上线的闭环迭代，显著提升排序研发效率与多目标融合（CTR、CVR、广告主效果、平台收益、用户体验）的决策质量；\n2、自动化实验与跨轮记忆体系建设广告算法的自动化实验能力，让Agent辅助完成实验设计、指标分析、失败归因与离线-在线偏差诊断；通过跨轮记忆沉淀历史实验、行业经验与策略效果，支撑推荐与投放策略的持续进化；\n3、广告投放Agent系统与产品智能决策：研发广告投放Agent系统，将LLM、Multi-Agent协作、长期记忆与工具调用融入投放决策，构建面向广告主增长的投放诊断、策略生成、参数调优与客户运营智能化闭环；建设和优化GMV Max、Smart+等国际化广告自动化投放产品，结合机器学习、运筹优化与AIGC/大语言模型能力，为广告主提供自动创编、素材优选、版位优选、人群挖掘、自动定向与预算调控等智能投放能力；\n4、生成式出价与竞价融合强化学习与生成式序列决策（Decision Transformer、GRPO、离线强化学习等），构建出价/竞价决策Agent，在Multi-Agent竞价博弈中将海量历史投放数据转化为可学习、可生成的实时出价策略，提升广告主跑量能力与成本达成率；\n5、工程化落地与效果度量推动广告Agent与算法策略在大规模生产环境稳定落地，建设高并发、低延迟、可观测、可回滚的在线系统与监控体系，并通过A/B测试与因果推断量化业务收益。\n\n职位要求\n1、学历与基础能力，本科及以上学历，计算机、人工智能、数学、统计学、运筹学、自动化等相关专业优先，硕士学位或博士学位优先，具备扎实的数据结构、算法基础与良好的代码习惯；\n2、编程与算法工程能力，熟练掌握Python、C++、Go、Java中至少一门语言，熟悉PyTorch、TensorFlow等主流深度学习框架，具备良好的工程实现与线上问题定位能力，有ACM/ICPC、Kaggle等竞赛经历者优先；\n3、机器学习与广告推荐算法，深入理解机器学习、深度学习与广告推荐算法，熟悉Transformer、MTL、CTR/CVR预估、召回、排序、混排、多目标优化等技术，有搜索、推荐、广告、电商或增长营销算法经验者优先；\n4、强化学习与决策优化，熟悉强化学习、运筹优化、控制理论、博弈论或因果推断中的一种或多种方法，有强化学习应用于广告竞价、智能出价或序列决策建模经验者优先；\n5、大模型Agent与生成式，AI对LLM Agent、生成式AI与Agentic Recommendation有深入理解或实践经验，熟悉检索增强生成、工具调用、长期记忆、Multi-Agent协作、自动化实验、模型微调、偏好对齐、强化学习对齐等技术，有广告Agent、推荐Agent或复杂Multi-Agent系统落地经验者优先。\n\n加分项：\n1、系统设计、协作与加分项，具备优秀的问题抽象、系统设计、工程落地与跨团队协作能力，能够将复杂商业目标抽象为算法问题与Agent任务流；\n2、在NeurIPS、ICML、ICLR、KDD、RecSys、SIGIR等会议发表过相关论文；\n3、有广告算法、推荐系统、客户增长、大规模运筹优化或智能决策系统经验；\n4、有高质量开源贡献，或具备Agent框架的生产级落地经验。\n1、自主排序优化Agent研发面向全链路排序（召回、粗排、精排、混排）的自主优化Agent，让Agent自主完成优化假设生成、融合公式与超参规则调优、参数上线的闭环迭代，显著提升排序研发效率与多目标融合（CTR、CVR、广告主效果、平台收益、用户体验）的决策质量；\n2、自动化实验与跨轮记忆体系建设广告算法的自动化实验能力，让Agent辅助完成实验设计、指标分析、失败归因与离线-在线偏差诊断；通过跨轮记忆沉淀历史实验、行业经验与策略效果，支撑推荐与投放策略的持续进化；\n3、广告投放Agent系统与产品智能决策：研发广告投放Agent系统，将LLM、Multi-Agent协作、长期记忆与工具调用融入投放决策，构建面向广告主增长的投放诊断、策略生成、参数调优与客户运营智能化闭环；建设和优化GMV Max、Smart+等国际化广告自动化投放产品，结合机器学习、运筹优化与AIGC/大语言模型能力，为广告主提供自动创编、素材优选、版位优选、人群挖掘、自动定向与预算调控等智能投放能力；\n4、生成式出价与竞价融合强化学习与生成式序列决策（Decision Transformer、GRPO、离线强化学习等），构建出价/竞价决策Agent，在Multi-Agent竞价博弈中将海量历史投放数据转化为可学习、可生成的实时出价策略，提升广告主跑量能力与成本达成率；\n5、工程化落地与效果度量推动广告Agent与算法策略在大规模生产环境稳定落地，建设高并发、低延迟、可观测、可回滚的在线系统与监控体系，并通过A/B测试与因果推断量化业务收益。\n1、学历与基础能力，本科及以上学历，计算机、人工智能、数学、统计学、运筹学、自动化等相关专业优先，硕士学位或博士学位优先，具备扎实的数据结构、算法基础与良好的代码习惯；\n2、编程与算法工程能力，熟练掌握Python、C++、Go、Java中至少一门语言，熟悉PyTorch、TensorFlow等主流深度学习框架，具备良好的工程实现与线上问题定位能力，有ACM/ICPC、Kaggle等竞赛经历者优先；\n3、机器学习与广告推荐算法，深入理解机器学习、深度学习与广告推荐算法，熟悉Transformer、MTL、CTR/CVR预估、召回、排序、混排、多目标优化等技术，有搜索、推荐、广告、电商或增长营销算法经验者优先；\n4、强化学习与决策优化，熟悉强化学习、运筹优化、控制理论、博弈论或因果推断中的一种或多种方法，有强化学习应用于广告竞价、智能出价或序列决策建模经验者优先；\n5、大模型Agent与生成式，AI对LLM Agent、生成式AI与Agentic Recommendation有深入理解或实践经验，熟悉检索增强生成、工具调用、长期记忆、Multi-Agent协作、自动化实验、模型微调、偏好对齐、强化学习对齐等技术，有广告Agent、推荐Agent或复杂Multi-Agent系统落地经验者优先。\n\n加分项：\n1、系统设计、协作与加分项，具备优秀的问题抽象、系统设计、工程落地与跨团队协作能力，能够将复杂商业目标抽象为算法问题与Agent任务流；\n2、在NeurIPS、ICML、ICLR、KDD、RecSys、SIGIR等会议发表过相关论文；\n3、有广告算法、推荐系统、客户增长、大规模运筹优化或智能决策系统经验；\n4、有高质量开源贡献，或具备Agent框架的生产级落地经验。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T011"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}