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": "搜索算法工程师 - TikTok算法",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海、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：TikTok搜推算法团队，负责TikTok短视频产品的基础推荐、搜索算法，加入我们，你能接触到包括搜索、用户增长、社交、直播、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地，并着力研究下一代AI Search和Chatbot的核心研发技术，包括不限于Multi-Agent、Agentic RL、Harness、Loop Engineering，探索强化学习在大模型时代的新范式。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以感受不同文化的碰撞，激发认知；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、LLM for Search：探索前沿AI技术，用LLM重构搜索相关性、Query理解、内容理解、语义匹配、结果组织和体验建模，提升搜索系统对复杂意图和内容语义的理解能力；\n2、推荐大模型与搜推一体化：构建面向搜索和推荐的统一建模体系及Scaling Law，融合主动意图、长期兴趣、实时行为、内容语义和反馈信号，提升系统对用户与场景的理解能力；\n3、生成式搜索：面向复杂、开放和决策型搜索需求，研究复杂需求理解、生成式建模、LLM4Rec、Agentic Search和搜索场景下的RL/Feedback Learning，让搜索具备更强的信息组织、推荐式结果生成和任务完成能力；\n4、多模态内容理解：建模视频、图像、文本、语音、评论、标题等多源信号，让搜索系统理解内容生态，而不是只依赖文本索引；\n5、大规模搜索学习系统：研究模型训练、在线推理、持续学习、效果评估和系统效率，让前沿模型能力稳定服务全球搜索体验。",
"requirements_text": "1、2027届获得本科及以上学历，计算机、人工智能、数学、统计、电子信息等相关专业优先；\n2、算法、数据结构、机器学习和深度学习基础扎实，具备优秀的代码实现和实验分析能力；\n3、在搜索、推荐、大模型、多模态或生成式AI中至少一个方向有深入积累；\n4、能把真实产品问题抽象成可学习、可优化、可验证的算法问题，而不是只复现论文或调用框架；\n5、能在大规模数据和真实系统约束下验证算法价值，理解效果、效率和体验之间的Trade-off；\n6、对AI如何重构Search、Recommendation和Discovery有判断力，愿意挑战没有标准答案的问题。",
"skills": [AI生成
"机器学习",
"深度学习",
"数据结构",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "1、2027届获得本科及以上学历，计算机、人工智能、数学、统计、电子信息等相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7668349808459254069/detail"
}
]
},
"posting": {
"posting_id": "7668349808459254069",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7668349808459254069/detail"
},
"fulltext": "搜索算法工程师 - TikTok算法\n职位描述\n团队介绍：TikTok搜推算法团队，负责TikTok短视频产品的基础推荐、搜索算法，加入我们，你能接触到包括搜索、用户增长、社交、直播、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地，并着力研究下一代AI Search和Chatbot的核心研发技术，包括不限于Multi-Agent、Agentic RL、Harness、Loop Engineering，探索强化学习在大模型时代的新范式。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以感受不同文化的碰撞，激发认知；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、LLM for Search：探索前沿AI技术，用LLM重构搜索相关性、Query理解、内容理解、语义匹配、结果组织和体验建模，提升搜索系统对复杂意图和内容语义的理解能力；\n2、推荐大模型与搜推一体化：构建面向搜索和推荐的统一建模体系及Scaling Law，融合主动意图、长期兴趣、实时行为、内容语义和反馈信号，提升系统对用户与场景的理解能力；\n3、生成式搜索：面向复杂、开放和决策型搜索需求，研究复杂需求理解、生成式建模、LLM4Rec、Agentic Search和搜索场景下的RL/Feedback Learning，让搜索具备更强的信息组织、推荐式结果生成和任务完成能力；\n4、多模态内容理解：建模视频、图像、文本、语音、评论、标题等多源信号，让搜索系统理解内容生态，而不是只依赖文本索引；\n5、大规模搜索学习系统：研究模型训练、在线推理、持续学习、效果评估和系统效率，让前沿模型能力稳定服务全球搜索体验。\n\n职位要求\n1、2027届获得本科及以上学历，计算机、人工智能、数学、统计、电子信息等相关专业优先；\n2、算法、数据结构、机器学习和深度学习基础扎实，具备优秀的代码实现和实验分析能力；\n3、在搜索、推荐、大模型、多模态或生成式AI中至少一个方向有深入积累；\n4、能把真实产品问题抽象成可学习、可优化、可验证的算法问题，而不是只复现论文或调用框架；\n5、能在大规模数据和真实系统约束下验证算法价值，理解效果、效率和体验之间的Trade-off；\n6、对AI如何重构Search、Recommendation和Discovery有判断力，愿意挑战没有标准答案的问题。\n团队介绍：TikTok搜推算法团队，负责TikTok短视频产品的基础推荐、搜索算法，加入我们，你能接触到包括搜索、用户增长、社交、直播、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地，并着力研究下一代AI Search和Chatbot的核心研发技术，包括不限于Multi-Agent、Agentic RL、Harness、Loop Engineering，探索强化学习在大模型时代的新范式。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以感受不同文化的碰撞，激发认知；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、LLM for Search：探索前沿AI技术，用LLM重构搜索相关性、Query理解、内容理解、语义匹配、结果组织和体验建模，提升搜索系统对复杂意图和内容语义的理解能力；\n2、推荐大模型与搜推一体化：构建面向搜索和推荐的统一建模体系及Scaling Law，融合主动意图、长期兴趣、实时行为、内容语义和反馈信号，提升系统对用户与场景的理解能力；\n3、生成式搜索：面向复杂、开放和决策型搜索需求，研究复杂需求理解、生成式建模、LLM4Rec、Agentic Search和搜索场景下的RL/Feedback Learning，让搜索具备更强的信息组织、推荐式结果生成和任务完成能力；\n4、多模态内容理解：建模视频、图像、文本、语音、评论、标题等多源信号，让搜索系统理解内容生态，而不是只依赖文本索引；\n5、大规模搜索学习系统：研究模型训练、在线推理、持续学习、效果评估和系统效率，让前沿模型能力稳定服务全球搜索体验。\n1、2027届获得本科及以上学历，计算机、人工智能、数学、统计、电子信息等相关专业优先；\n2、算法、数据结构、机器学习和深度学习基础扎实，具备优秀的代码实现和实验分析能力；\n3、在搜索、推荐、大模型、多模态或生成式AI中至少一个方向有深入积累；\n4、能把真实产品问题抽象成可学习、可优化、可验证的算法问题，而不是只复现论文或调用框架；\n5、能在大规模数据和真实系统约束下验证算法价值，理解效果、效率和体验之间的Trade-off；\n6、对AI如何重构Search、Recommendation和Discovery有判断力，愿意挑战没有标准答案的问题。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}