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 - 番茄",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海、深圳、杭州、北京",
"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": "2027届获得本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：Data-番茄团队，负责字节跳动下番茄小说、红果短剧、番茄畅听、国际化短剧等产品的推荐算法和AI相关工作。我们的工作包括优化业界前沿的大规模推荐系统，探索LLM与推荐的结合，并落地生成式推荐范式，从小说、短剧、音频、音乐等内容方向建设完整的内容生态和AI能力，保持业务规模保持超高速增长。\n\n1、推荐大模型在LLM的启发下，在近一年有了长足的发展；番茄依托字节跳动的先进中台，在推荐大模型（LRM）、生成式推荐（GR）领域已有多代方案落地；随着LLM和硬件算力的进一步发展，该方向空间仍有巨大空间；团队将继续紧跟前沿，在LRM、GR和LLM4Rec三大方向全面发力，推动推荐系统的持续进化；\n2、LRM；设计并探索Scale上限更高，ROI更好的结构，紧跟LLM超长上下文前沿，推动推荐场景的高效长序列压缩与建模，研究粗精一体LRM进一步释放Scale空间等；\n3、生成式推荐；探索番茄多场景多体裁的最佳tokenize方案，研究推荐场景下Reward Model与生成推荐模型的RL后训练，完成生成式模型对部分场景传统推荐模型的替换；\n4、LLM4Rec；包括研究如何将LLM的推理能力融入到推荐排序模型，以及完全基于LLM的交互推荐研究。",
"requirements_text": "1、2027届获得本科及以上学历，人工智能、计算机、数学相关专业者优先；\n2、对推荐大模型技术有浓厚兴趣，紧跟行业前沿发展；\n3、具有扎实的机器学习基础和编码能力，熟练掌握主要的算法和数据结构；\n4、在搜索广告推荐大模型领域，有实习或者实践过关键项目的优先；\n5、在国际顶级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；\n6、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",
"数据结构",
"大语言模型"
],
"preferred_qualifications": "1、2027届获得本科及以上学历，人工智能、计算机、数学相关专业者优先；4、在搜索广告推荐大模型领域，有实习或者实践过关键项目的优先；5、在国际顶级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/campus/position/7667518399503321349/detail"
}
]
},
"posting": {
"posting_id": "7667518399503321349",
"post_date": "2026-07-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7667518399503321349/detail"
},
"fulltext": "推荐大模型算法工程师 - 番茄\n职位描述\n团队介绍：Data-番茄团队，负责字节跳动下番茄小说、红果短剧、番茄畅听、国际化短剧等产品的推荐算法和AI相关工作。我们的工作包括优化业界前沿的大规模推荐系统，探索LLM与推荐的结合，并落地生成式推荐范式，从小说、短剧、音频、音乐等内容方向建设完整的内容生态和AI能力，保持业务规模保持超高速增长。\n\n1、推荐大模型在LLM的启发下，在近一年有了长足的发展；番茄依托字节跳动的先进中台，在推荐大模型（LRM）、生成式推荐（GR）领域已有多代方案落地；随着LLM和硬件算力的进一步发展，该方向空间仍有巨大空间；团队将继续紧跟前沿，在LRM、GR和LLM4Rec三大方向全面发力，推动推荐系统的持续进化；\n2、LRM；设计并探索Scale上限更高，ROI更好的结构，紧跟LLM超长上下文前沿，推动推荐场景的高效长序列压缩与建模，研究粗精一体LRM进一步释放Scale空间等；\n3、生成式推荐；探索番茄多场景多体裁的最佳tokenize方案，研究推荐场景下Reward Model与生成推荐模型的RL后训练，完成生成式模型对部分场景传统推荐模型的替换；\n4、LLM4Rec；包括研究如何将LLM的推理能力融入到推荐排序模型，以及完全基于LLM的交互推荐研究。\n\n职位要求\n1、2027届获得本科及以上学历，人工智能、计算机、数学相关专业者优先；\n2、对推荐大模型技术有浓厚兴趣，紧跟行业前沿发展；\n3、具有扎实的机器学习基础和编码能力，熟练掌握主要的算法和数据结构；\n4、在搜索广告推荐大模型领域，有实习或者实践过关键项目的优先；\n5、在国际顶级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；\n6、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。\n团队介绍：Data-番茄团队，负责字节跳动下番茄小说、红果短剧、番茄畅听、国际化短剧等产品的推荐算法和AI相关工作。我们的工作包括优化业界前沿的大规模推荐系统，探索LLM与推荐的结合，并落地生成式推荐范式，从小说、短剧、音频、音乐等内容方向建设完整的内容生态和AI能力，保持业务规模保持超高速增长。\n\n1、推荐大模型在LLM的启发下，在近一年有了长足的发展；番茄依托字节跳动的先进中台，在推荐大模型（LRM）、生成式推荐（GR）领域已有多代方案落地；随着LLM和硬件算力的进一步发展，该方向空间仍有巨大空间；团队将继续紧跟前沿，在LRM、GR和LLM4Rec三大方向全面发力，推动推荐系统的持续进化；\n2、LRM；设计并探索Scale上限更高，ROI更好的结构，紧跟LLM超长上下文前沿，推动推荐场景的高效长序列压缩与建模，研究粗精一体LRM进一步释放Scale空间等；\n3、生成式推荐；探索番茄多场景多体裁的最佳tokenize方案，研究推荐场景下Reward Model与生成推荐模型的RL后训练，完成生成式模型对部分场景传统推荐模型的替换；\n4、LLM4Rec；包括研究如何将LLM的推理能力融入到推荐排序模型，以及完全基于LLM的交互推荐研究。\n1、2027届获得本科及以上学历，人工智能、计算机、数学相关专业者优先；\n2、对推荐大模型技术有浓厚兴趣，紧跟行业前沿发展；\n3、具有扎实的机器学习基础和编码能力，熟练掌握主要的算法和数据结构；\n4、在搜索广告推荐大模型领域，有实习或者实践过关键项目的优先；\n5、在国际顶级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；\n6、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": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}