{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "推荐算法工程师-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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、推荐算法与全链路优化：参与国际化电商个性化推荐算法的优化，主要包括电商短视频推荐、图文推荐、新用户推荐、视频冷启动、兴趣探索、全域增量成交建模、长期价值建模及体验优化等工作；负责推荐全链路（召回、粗排、精排、重排）的模型迭代与优化，通过多目标优化持续提升业务指标；\n2、前沿技术应用与创新：通过深度序列建模、生成式推荐、多目标优化、多模态表征学习等技术提升信息匹配效率与推荐发现性，让用户便捷地找到优质内容和货品；结合LLM4Rec、生成式召回/排序（Generative Retrieval/Ranking）等前沿范式，探索大语言模型与多模态技术在电商推荐场景的落地应用；\n3、用户兴趣建模与分析：挖掘和分析海量用户行为数据，基于长序列建模（Lifelong Sequence）进行用户长短期兴趣建模与潜在兴趣探索，提升推荐的精准性与多样性；\n4、AI Agent应用探索：探索AI Agent在推荐系统中的应用，包括基于Agent的自动化调参、智能实验管理、数据分析与归因决策，以及Agent驱动的用户意图理解与交互式推荐；\n5、供给侧优化与业务创新：通过算法自动挖掘优质商品和达人，优化供给侧分发效率与冷启动机制，构建良性的内容电商生态；结合国际化电商业务特性，进行模型和算法创新，打造业界领先的推荐系统。",
        "requirements_text": "1、扎实的算法和数据结构基础，优秀的编码能力；\n2、在搜索、广告、推荐或大模型领域，有参与或主导过模型复杂化、大模型落地等经验；\n3、熟悉PyTorch或TensorFlow，熟悉开源大模型（如LLaMA、Qwen、DeepSeek等），有模型训练与推理优化经验者优先；\n4、熟悉C++和Python语言，熟悉Linux开发环境；\n5、具备优秀的学习能力和良好的团队合作精神；\n6、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等会议发表过论文，或有数据挖掘/机器学习相关竞赛经历优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "数据结构",
            "数据挖掘",
            "模型训练",
            "团队协作",
            "学习能力",
            "大语言模型"
        ],
        "preferred_qualifications": "3、熟悉PyTorch或TensorFlow，熟悉开源大模型（如LLaMA、Qwen、DeepSeek等），有模型训练与推理优化经验者优先；6、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等会议发表过论文，或有数据挖掘/机器学习相关竞赛经历优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/6982802407550667015/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "6982802407550667015",
        "post_date": "2021-07-09",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/6982802407550667015/detail"
    },
    "fulltext": "推荐算法工程师-国际电商\n职位描述\n1、推荐算法与全链路优化：参与国际化电商个性化推荐算法的优化，主要包括电商短视频推荐、图文推荐、新用户推荐、视频冷启动、兴趣探索、全域增量成交建模、长期价值建模及体验优化等工作；负责推荐全链路（召回、粗排、精排、重排）的模型迭代与优化，通过多目标优化持续提升业务指标；\n2、前沿技术应用与创新：通过深度序列建模、生成式推荐、多目标优化、多模态表征学习等技术提升信息匹配效率与推荐发现性，让用户便捷地找到优质内容和货品；结合LLM4Rec、生成式召回/排序（Generative Retrieval/Ranking）等前沿范式，探索大语言模型与多模态技术在电商推荐场景的落地应用；\n3、用户兴趣建模与分析：挖掘和分析海量用户行为数据，基于长序列建模（Lifelong Sequence）进行用户长短期兴趣建模与潜在兴趣探索，提升推荐的精准性与多样性；\n4、AI Agent应用探索：探索AI Agent在推荐系统中的应用，包括基于Agent的自动化调参、智能实验管理、数据分析与归因决策，以及Agent驱动的用户意图理解与交互式推荐；\n5、供给侧优化与业务创新：通过算法自动挖掘优质商品和达人，优化供给侧分发效率与冷启动机制，构建良性的内容电商生态；结合国际化电商业务特性，进行模型和算法创新，打造业界领先的推荐系统。\n\n职位要求\n1、扎实的算法和数据结构基础，优秀的编码能力；\n2、在搜索、广告、推荐或大模型领域，有参与或主导过模型复杂化、大模型落地等经验；\n3、熟悉PyTorch或TensorFlow，熟悉开源大模型（如LLaMA、Qwen、DeepSeek等），有模型训练与推理优化经验者优先；\n4、熟悉C++和Python语言，熟悉Linux开发环境；\n5、具备优秀的学习能力和良好的团队合作精神；\n6、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等会议发表过论文，或有数据挖掘/机器学习相关竞赛经历优先。\n1、推荐算法与全链路优化：参与国际化电商个性化推荐算法的优化，主要包括电商短视频推荐、图文推荐、新用户推荐、视频冷启动、兴趣探索、全域增量成交建模、长期价值建模及体验优化等工作；负责推荐全链路（召回、粗排、精排、重排）的模型迭代与优化，通过多目标优化持续提升业务指标；\n2、前沿技术应用与创新：通过深度序列建模、生成式推荐、多目标优化、多模态表征学习等技术提升信息匹配效率与推荐发现性，让用户便捷地找到优质内容和货品；结合LLM4Rec、生成式召回/排序（Generative Retrieval/Ranking）等前沿范式，探索大语言模型与多模态技术在电商推荐场景的落地应用；\n3、用户兴趣建模与分析：挖掘和分析海量用户行为数据，基于长序列建模（Lifelong Sequence）进行用户长短期兴趣建模与潜在兴趣探索，提升推荐的精准性与多样性；\n4、AI Agent应用探索：探索AI Agent在推荐系统中的应用，包括基于Agent的自动化调参、智能实验管理、数据分析与归因决策，以及Agent驱动的用户意图理解与交互式推荐；\n5、供给侧优化与业务创新：通过算法自动挖掘优质商品和达人，优化供给侧分发效率与冷启动机制，构建良性的内容电商生态；结合国际化电商业务特性，进行模型和算法创新，打造业界领先的推荐系统。\n1、扎实的算法和数据结构基础，优秀的编码能力；\n2、在搜索、广告、推荐或大模型领域，有参与或主导过模型复杂化、大模型落地等经验；\n3、熟悉PyTorch或TensorFlow，熟悉开源大模型（如LLaMA、Qwen、DeepSeek等），有模型训练与推理优化经验者优先；\n4、熟悉C++和Python语言，熟悉Linux开发环境；\n5、具备优秀的学习能力和良好的团队合作精神；\n6、在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等会议发表过论文，或有数据挖掘/机器学习相关竞赛经历优先。"
}