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": "算法工程师 - 抖音",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海、北京、深圳、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": "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-抖音团队，负责抖音APP的推荐算法、AI大模型应用、内容算法、增长算法、广告自动化投放、智能对话等算法工作，对接全链路各体裁（短视频，图文）各业务（内容消费，互动，UGC，双列，社交，生态，垂类，创作，消息，汽水音乐，精选，随变，增长投放，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、多业务复杂约束下的优化问题、多模态内容理解、LLM基础技术研究、业务Agent化和创新AI落地应用、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型技术支持抖音的AI分身、业务智能化、智能客服等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。\n\n1、建设推荐的Agentic RECSYS，包括用户理解、长期/短期Memory、任务规划、策略编排、反馈评估与自我迭代机制；推动LLM based RECSYS在推荐链路中的落地，优化推荐链路多环节决策，结合数据反馈的强化学习进一步提升用户体验；构建推荐Auto Research能力，利用LLM/Agent自动探索模型迭代、策略优化和实验方向，提升算法迭代效率；\n2、负责基础推荐、消息推送等场景的基础推荐算法的持续演进，探索系统和模型Scaling law，搜索、推荐等多场景数据的一体化建模，提升模型在全域场景下的理解与推理能力、推送场景的复杂约束下多目标优化空间；\n3、研发端到端的生成式推荐模型，并深入联合LLM，构建高效的下一代推荐范式；解决现有推荐算法的泛化局限性、用户长尾复杂意图理解和满足、System Bias、系统的推理算力分配等一系列关键问题；也探索基于新的多模态大模型与用户对齐的理解，支持交互性的分发调节与个性化等能力和产品形态上的突破。",
"requirements_text": "1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；\n2、具备优秀的编码能力，扎实的数据结构和算法功底；\n3、对推荐算法和机器学习有热情、乐于学习、思考和创新；\n4、优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神；\n5、熟悉机器学习、自然语言处理、数据挖掘中一项或多项，对推荐系统、计算广告、搜索引擎、CV、NLP、语音相关领域有经验者优先。",
"skills": [AI生成
"机器学习",
"自然语言处理",
"推荐算法",
"数据结构",
"数据挖掘",
"沟通表达",
"解决问题"
],
"preferred_qualifications": "1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；5、熟悉机器学习、自然语言处理、数据挖掘中一项或多项，对推荐系统、计算广告、搜索引擎、CV、NLP、语音相关领域有经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7668170229178812677/detail"
}
]
},
"posting": {
"posting_id": "7668170229178812677",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7668170229178812677/detail"
},
"fulltext": "算法工程师 - 抖音\n职位描述\n团队介绍：Data-抖音团队，负责抖音APP的推荐算法、AI大模型应用、内容算法、增长算法、广告自动化投放、智能对话等算法工作，对接全链路各体裁（短视频，图文）各业务（内容消费，互动，UGC，双列，社交，生态，垂类，创作，消息，汽水音乐，精选，随变，增长投放，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、多业务复杂约束下的优化问题、多模态内容理解、LLM基础技术研究、业务Agent化和创新AI落地应用、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型技术支持抖音的AI分身、业务智能化、智能客服等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。\n\n1、建设推荐的Agentic RECSYS，包括用户理解、长期/短期Memory、任务规划、策略编排、反馈评估与自我迭代机制；推动LLM based RECSYS在推荐链路中的落地，优化推荐链路多环节决策，结合数据反馈的强化学习进一步提升用户体验；构建推荐Auto Research能力，利用LLM/Agent自动探索模型迭代、策略优化和实验方向，提升算法迭代效率；\n2、负责基础推荐、消息推送等场景的基础推荐算法的持续演进，探索系统和模型Scaling law，搜索、推荐等多场景数据的一体化建模，提升模型在全域场景下的理解与推理能力、推送场景的复杂约束下多目标优化空间；\n3、研发端到端的生成式推荐模型，并深入联合LLM，构建高效的下一代推荐范式；解决现有推荐算法的泛化局限性、用户长尾复杂意图理解和满足、System Bias、系统的推理算力分配等一系列关键问题；也探索基于新的多模态大模型与用户对齐的理解，支持交互性的分发调节与个性化等能力和产品形态上的突破。\n\n职位要求\n1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；\n2、具备优秀的编码能力，扎实的数据结构和算法功底；\n3、对推荐算法和机器学习有热情、乐于学习、思考和创新；\n4、优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神；\n5、熟悉机器学习、自然语言处理、数据挖掘中一项或多项，对推荐系统、计算广告、搜索引擎、CV、NLP、语音相关领域有经验者优先。\n团队介绍：Data-抖音团队，负责抖音APP的推荐算法、AI大模型应用、内容算法、增长算法、广告自动化投放、智能对话等算法工作，对接全链路各体裁（短视频，图文）各业务（内容消费，互动，UGC，双列，社交，生态，垂类，创作，消息，汽水音乐，精选，随变，增长投放，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、多业务复杂约束下的优化问题、多模态内容理解、LLM基础技术研究、业务Agent化和创新AI落地应用、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型技术支持抖音的AI分身、业务智能化、智能客服等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。\n\n1、建设推荐的Agentic RECSYS，包括用户理解、长期/短期Memory、任务规划、策略编排、反馈评估与自我迭代机制；推动LLM based RECSYS在推荐链路中的落地，优化推荐链路多环节决策，结合数据反馈的强化学习进一步提升用户体验；构建推荐Auto Research能力，利用LLM/Agent自动探索模型迭代、策略优化和实验方向，提升算法迭代效率；\n2、负责基础推荐、消息推送等场景的基础推荐算法的持续演进，探索系统和模型Scaling law，搜索、推荐等多场景数据的一体化建模，提升模型在全域场景下的理解与推理能力、推送场景的复杂约束下多目标优化空间；\n3、研发端到端的生成式推荐模型，并深入联合LLM，构建高效的下一代推荐范式；解决现有推荐算法的泛化局限性、用户长尾复杂意图理解和满足、System Bias、系统的推理算力分配等一系列关键问题；也探索基于新的多模态大模型与用户对齐的理解，支持交互性的分发调节与个性化等能力和产品形态上的突破。\n1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；\n2、具备优秀的编码能力，扎实的数据结构和算法功底；\n3、对推荐算法和机器学习有热情、乐于学习、思考和创新；\n4、优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神；\n5、熟悉机器学习、自然语言处理、数据挖掘中一项或多项，对推荐系统、计算广告、搜索引擎、CV、NLP、语音相关领域有经验者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}