主分类：搜索推荐与业务决策算法研发
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",
"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": "计算机、数学、统计学及相关专业本科学历及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责推荐场景下的基础大模型的持续优化，探索模型参数量的Scaling Law，提升模型在复杂推荐场景下的理解与推理能力，推动推荐向Foundation Model范式演进；\n2、突破传统“召回-排序”的漏斗式架构，探索并落地结合多模态的生成式召回技术；\n3、研发端到端的推荐模型，探索将召回、精排等多个模块统一在一个大模型框架内，构建高效的下一代推荐链路；\n4、针对推荐系统中的多维收益（时长、互动、留存等），设计适用于大模型体系的多目标优化方案，实现多场景下的收益最大化。",
"requirements_text": "1、计算机、数学、统计学及相关专业本科学历及以上；在推荐系统、自然语言处理、计算机视觉或机器学习领域有扎实的理论基础和丰富的实战经验；\n2、具备优秀的编码能力，精通Python/C++，熟悉Linux开发环境；熟练掌握PyTorch或TensorFlow等至少一种深度学习框架；\n3、解业内主流的推荐/广告/搜索算法，对CTR/CVR预估、多目标学习、序列建模、强化学习或图神经网络有深入理解和工业界落地经验；\n4、具备较强的数据敏锐度和业务洞察力，能从复杂的业务场景中抽象出清晰的算法问题；自我驱动，具备优秀的沟通协作能力，敢于挑战技术难题。\n\n加分项\n1、有预训练模型（如Transformer、BERT、LLaMA、GPT等）的训练、微调（SFT、RLHF）经验；有Generative Agents、多模态大模型在推荐领域应用经验；\n2、有多任务学习、联邦学习、跨域推荐等实际业务优化经验，主导过矩阵产品流量分发。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"搜索算法",
"建模",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7654152481120225589/detail"
}
]
},
"posting": {
"posting_id": "7654152481120225589",
"post_date": "2026-06-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7654152481120225589/detail"
},
"fulltext": "推荐大模型算法工程师-抖音\n职位描述\n1、负责推荐场景下的基础大模型的持续优化，探索模型参数量的Scaling Law，提升模型在复杂推荐场景下的理解与推理能力，推动推荐向Foundation Model范式演进；\n2、突破传统“召回-排序”的漏斗式架构，探索并落地结合多模态的生成式召回技术；\n3、研发端到端的推荐模型，探索将召回、精排等多个模块统一在一个大模型框架内，构建高效的下一代推荐链路；\n4、针对推荐系统中的多维收益（时长、互动、留存等），设计适用于大模型体系的多目标优化方案，实现多场景下的收益最大化。\n\n职位要求\n1、计算机、数学、统计学及相关专业本科学历及以上；在推荐系统、自然语言处理、计算机视觉或机器学习领域有扎实的理论基础和丰富的实战经验；\n2、具备优秀的编码能力，精通Python/C++，熟悉Linux开发环境；熟练掌握PyTorch或TensorFlow等至少一种深度学习框架；\n3、解业内主流的推荐/广告/搜索算法，对CTR/CVR预估、多目标学习、序列建模、强化学习或图神经网络有深入理解和工业界落地经验；\n4、具备较强的数据敏锐度和业务洞察力，能从复杂的业务场景中抽象出清晰的算法问题；自我驱动，具备优秀的沟通协作能力，敢于挑战技术难题。\n\n加分项\n1、有预训练模型（如Transformer、BERT、LLaMA、GPT等）的训练、微调（SFT、RLHF）经验；有Generative Agents、多模态大模型在推荐领域应用经验；\n2、有多任务学习、联邦学习、跨域推荐等实际业务优化经验，主导过矩阵产品流量分发。\n1、负责推荐场景下的基础大模型的持续优化，探索模型参数量的Scaling Law，提升模型在复杂推荐场景下的理解与推理能力，推动推荐向Foundation Model范式演进；\n2、突破传统“召回-排序”的漏斗式架构，探索并落地结合多模态的生成式召回技术；\n3、研发端到端的推荐模型，探索将召回、精排等多个模块统一在一个大模型框架内，构建高效的下一代推荐链路；\n4、针对推荐系统中的多维收益（时长、互动、留存等），设计适用于大模型体系的多目标优化方案，实现多场景下的收益最大化。\n1、计算机、数学、统计学及相关专业本科学历及以上；在推荐系统、自然语言处理、计算机视觉或机器学习领域有扎实的理论基础和丰富的实战经验；\n2、具备优秀的编码能力，精通Python/C++，熟悉Linux开发环境；熟练掌握PyTorch或TensorFlow等至少一种深度学习框架；\n3、解业内主流的推荐/广告/搜索算法，对CTR/CVR预估、多目标学习、序列建模、强化学习或图神经网络有深入理解和工业界落地经验；\n4、具备较强的数据敏锐度和业务洞察力，能从复杂的业务场景中抽象出清晰的算法问题；自我驱动，具备优秀的沟通协作能力，敢于挑战技术难题。\n\n加分项\n1、有预训练模型（如Transformer、BERT、LLaMA、GPT等）的训练、微调（SFT、RLHF）经验；有Generative Agents、多模态大模型在推荐领域应用经验；\n2、有多任务学习、联邦学习、跨域推荐等实际业务优化经验，主导过矩阵产品流量分发。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}