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": "多模态大模型算法工程师/Agent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": "杭州",
"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、团队依托千亿级视频内容和全球商品数据，探索NLP、CV、多模态大模型、Video LLM、Multimodal Embedding&SID、Multimodal Reasoning、Agent等技术在电商业务中的落地，支持商品库建设、商品同款识别、内容商品链接、价格比对、AIGC内容生成和生成式搜推技术演进等关键场景；我们的目标是通过多模态大模型和Agent技术，重新理解“卖什么、怎么卖、卖给谁”，重塑内容电商的业务想象力；\n2、参与全球商品库和内容理解体系建设，基于NLP、图像理解、多模态大模型等技术对商品、视频、图文、商家、品牌等对象进行结构化理解和语义建模；负责商品同款、商品/商家/品牌消重、跨语言商品聚合等核心算法系统建设，解决海量数据下的多模态匹配、实时流式聚合、多粒度聚合和跨语言语义对齐问题；\n3、负责电商比价、商品定价、价格监控和异常预警等算法能力建设，支持百亿补贴、价格竞争力分析、商品供给优化等重要业务场景，建设视频-商品、商品-商品、视频-视频等多模态语义链接能力，支持内容趋势理解、商品挖掘、AIGC内容生成和内容电商供给优化；\n4、探索下一代生成式搜推模型的演进，通过视频、直播、商品、Query等多体裁的表征和SID建模，提升生成式搜推的效率和体验；\n5、探索Agent在电商业务中的应用，包括比价Agent、商品分析Agent、内容AIGC Agent、商家运营Agent等方向，结合RAG、工具调用、规划推理、自动评估等能力，推动业务流程智能化；参与从数据到业务落地的全流程，包括数据构建、特征工程、模型训练、效果评估、线上部署、负面案例分析和持续迭代，并探索前沿技术在实际业务中的规模化落地。",
"requirements_text": "1、在NLP、CV、多模态、大模型或Agent方向有较深入的研究或实践经验，包括但不限于多模态理解、多语言NLP、图像/视频理解、多模态检索、LLM/VLM、Embedding/SID、RAG、Tool Calling、Agent Planning等；\n2、熟悉PyTorch/TensorFlow等深度学习框架，具备模型训练、调优和部署经验；了解分布式训练、混合精度训练、推理加速、TensorRT或大模型推理优化者优先；\n3、具备较强的工程实践和业务落地能力，有多模态检索、商品理解、内容理解、搜索推荐、价格算法、智能Agent或AIGC项目经验者优先；\n4、对大模型和多模态前沿技术保持热情，熟悉Multimodal Embedding/SID、Video LLM、Multimodal Reasoning、视觉语言对齐、长视频理解、生成式搜推等方向者优先；\n5、有顶会论文、开源项目、算法竞赛经历者优先，包括但不限于ACL、CVPR、ICCV、NeurIPS、ICLR、KDD、SIGIR、COCO、ActivityNet、Kaggle、ICPC、NOI/IOI等；\n6、具备良好的沟通协作能力，积极主动，愿意深入复杂业务问题，用算法和大模型技术创造实际业务价值。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"深度学习",
"模型训练",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "了解分布式训练、混合精度训练、推理加速、TensorRT或大模型推理优化者优先；3、具备较强的工程实践和业务落地能力，有多模态检索、商品理解、内容理解、搜索推荐、价格算法、智能Agent或AIGC项目经验者优先；4、对大模型和多模态前沿技术保持热情，熟悉Multimodal Embedding/SID、Video LLM、Multimodal Reasoning、视觉语言对齐、长视频理解、生成式搜推等方向者优先；5、有顶会论文、开源项目、算法竞赛经历者优先，包括但不限于ACL、CVPR、ICCV、NeurIPS、ICLR、KDD、SIGIR、COCO、ActivityNet、Kaggle、ICPC、NOI/IOI等",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7650047186106779909/detail"
}
]
},
"posting": {
"posting_id": "7650047186106779909",
"post_date": "2026-06-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7650047186106779909/detail"
},
"fulltext": "多模态大模型算法工程师/Agent算法工程师-国际电商\n职位描述\n1、团队依托千亿级视频内容和全球商品数据，探索NLP、CV、多模态大模型、Video LLM、Multimodal Embedding&SID、Multimodal Reasoning、Agent等技术在电商业务中的落地，支持商品库建设、商品同款识别、内容商品链接、价格比对、AIGC内容生成和生成式搜推技术演进等关键场景；我们的目标是通过多模态大模型和Agent技术，重新理解“卖什么、怎么卖、卖给谁”，重塑内容电商的业务想象力；\n2、参与全球商品库和内容理解体系建设，基于NLP、图像理解、多模态大模型等技术对商品、视频、图文、商家、品牌等对象进行结构化理解和语义建模；负责商品同款、商品/商家/品牌消重、跨语言商品聚合等核心算法系统建设，解决海量数据下的多模态匹配、实时流式聚合、多粒度聚合和跨语言语义对齐问题；\n3、负责电商比价、商品定价、价格监控和异常预警等算法能力建设，支持百亿补贴、价格竞争力分析、商品供给优化等重要业务场景，建设视频-商品、商品-商品、视频-视频等多模态语义链接能力，支持内容趋势理解、商品挖掘、AIGC内容生成和内容电商供给优化；\n4、探索下一代生成式搜推模型的演进，通过视频、直播、商品、Query等多体裁的表征和SID建模，提升生成式搜推的效率和体验；\n5、探索Agent在电商业务中的应用，包括比价Agent、商品分析Agent、内容AIGC Agent、商家运营Agent等方向，结合RAG、工具调用、规划推理、自动评估等能力，推动业务流程智能化；参与从数据到业务落地的全流程，包括数据构建、特征工程、模型训练、效果评估、线上部署、负面案例分析和持续迭代，并探索前沿技术在实际业务中的规模化落地。\n\n职位要求\n1、在NLP、CV、多模态、大模型或Agent方向有较深入的研究或实践经验，包括但不限于多模态理解、多语言NLP、图像/视频理解、多模态检索、LLM/VLM、Embedding/SID、RAG、Tool Calling、Agent Planning等；\n2、熟悉PyTorch/TensorFlow等深度学习框架，具备模型训练、调优和部署经验；了解分布式训练、混合精度训练、推理加速、TensorRT或大模型推理优化者优先；\n3、具备较强的工程实践和业务落地能力，有多模态检索、商品理解、内容理解、搜索推荐、价格算法、智能Agent或AIGC项目经验者优先；\n4、对大模型和多模态前沿技术保持热情，熟悉Multimodal Embedding/SID、Video LLM、Multimodal Reasoning、视觉语言对齐、长视频理解、生成式搜推等方向者优先；\n5、有顶会论文、开源项目、算法竞赛经历者优先，包括但不限于ACL、CVPR、ICCV、NeurIPS、ICLR、KDD、SIGIR、COCO、ActivityNet、Kaggle、ICPC、NOI/IOI等；\n6、具备良好的沟通协作能力，积极主动，愿意深入复杂业务问题，用算法和大模型技术创造实际业务价值。\n1、团队依托千亿级视频内容和全球商品数据，探索NLP、CV、多模态大模型、Video LLM、Multimodal Embedding&SID、Multimodal Reasoning、Agent等技术在电商业务中的落地，支持商品库建设、商品同款识别、内容商品链接、价格比对、AIGC内容生成和生成式搜推技术演进等关键场景；我们的目标是通过多模态大模型和Agent技术，重新理解“卖什么、怎么卖、卖给谁”，重塑内容电商的业务想象力；\n2、参与全球商品库和内容理解体系建设，基于NLP、图像理解、多模态大模型等技术对商品、视频、图文、商家、品牌等对象进行结构化理解和语义建模；负责商品同款、商品/商家/品牌消重、跨语言商品聚合等核心算法系统建设，解决海量数据下的多模态匹配、实时流式聚合、多粒度聚合和跨语言语义对齐问题；\n3、负责电商比价、商品定价、价格监控和异常预警等算法能力建设，支持百亿补贴、价格竞争力分析、商品供给优化等重要业务场景，建设视频-商品、商品-商品、视频-视频等多模态语义链接能力，支持内容趋势理解、商品挖掘、AIGC内容生成和内容电商供给优化；\n4、探索下一代生成式搜推模型的演进，通过视频、直播、商品、Query等多体裁的表征和SID建模，提升生成式搜推的效率和体验；\n5、探索Agent在电商业务中的应用，包括比价Agent、商品分析Agent、内容AIGC Agent、商家运营Agent等方向，结合RAG、工具调用、规划推理、自动评估等能力，推动业务流程智能化；参与从数据到业务落地的全流程，包括数据构建、特征工程、模型训练、效果评估、线上部署、负面案例分析和持续迭代，并探索前沿技术在实际业务中的规模化落地。\n1、在NLP、CV、多模态、大模型或Agent方向有较深入的研究或实践经验，包括但不限于多模态理解、多语言NLP、图像/视频理解、多模态检索、LLM/VLM、Embedding/SID、RAG、Tool Calling、Agent Planning等；\n2、熟悉PyTorch/TensorFlow等深度学习框架，具备模型训练、调优和部署经验；了解分布式训练、混合精度训练、推理加速、TensorRT或大模型推理优化者优先；\n3、具备较强的工程实践和业务落地能力，有多模态检索、商品理解、内容理解、搜索推荐、价格算法、智能Agent或AIGC项目经验者优先；\n4、对大模型和多模态前沿技术保持热情，熟悉Multimodal Embedding/SID、Video LLM、Multimodal Reasoning、视觉语言对齐、长视频理解、生成式搜推等方向者优先；\n5、有顶会论文、开源项目、算法竞赛经历者优先，包括但不限于ACL、CVPR、ICCV、NeurIPS、ICLR、KDD、SIGIR、COCO、ActivityNet、Kaggle、ICPC、NOI/IOI等；\n6、具备良好的沟通协作能力，积极主动，愿意深入复杂业务问题，用算法和大模型技术创造实际业务价值。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}