主分类：大模型与生成式算法研发
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": "Tako AI Agent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、Agent Learning与模型能力扩展：研究Agent如何从真实任务Trajectory、环境反馈和用户反馈中学习，结合Post-training、Test-time Scaling、RL Scaling等方法，提升模型在任务拆解、信息获取、工具使用、决策路径、失败恢复和复杂泛化上的能力；\n2、个性化Agent：研究用户长期兴趣、上下文、行为反馈和场景状态建模，让Agent能够理解不同用户的需求、偏好和决策习惯，提供因人而异的智能体验；\n3、Auto Research与自进化闭环：研究模型如何自动发现问题、获取信息、生成假设、验证结果，并将成功/失败轨迹沉淀为数据、Reward、Benchmark和策略迭代信号，形成持续进化的能力闭环；\n4、TikTok生态中的复杂任务智能：结合TikTok视频、评论、创作者内容、热点、经验决策、本地生活、电商等场景，研究Agent如何理解内容语境、整合多源信息、辅助用户比较判断，并完成从信息获取到决策支持的复杂任务。",
"requirements_text": "1、2027届获得本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、具备扎实的机器学习、深度学习和自然语言处理基础，熟悉PyTorch、TensorFlow等训练框架；\n3、熟悉大语言模型的训练与优化方法，了解SFT、DPO、PPO、GRPO等后训练或强化学习算法；\n4、能分析Agent的完整行为链路，从任务轨迹、反馈信号、策略选择和失败模式中定位问题；\n5、实验能力强，能设计Benchmark、拆解Failure Mode，并判断模型提升是否真实、稳定、可泛化；\n6、不满足于复现论文或堆技术词，能把真实用户问题抽象成可验证、可迭代、可规模化的算法问题。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"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、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/7668351587061287221/detail"
}
]
},
"posting": {
"posting_id": "7668351587061287221",
"post_date": "2026-07-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7668351587061287221/detail"
},
"fulltext": "Tako AI Agent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、Agent Learning与模型能力扩展：研究Agent如何从真实任务Trajectory、环境反馈和用户反馈中学习，结合Post-training、Test-time Scaling、RL Scaling等方法，提升模型在任务拆解、信息获取、工具使用、决策路径、失败恢复和复杂泛化上的能力；\n2、个性化Agent：研究用户长期兴趣、上下文、行为反馈和场景状态建模，让Agent能够理解不同用户的需求、偏好和决策习惯，提供因人而异的智能体验；\n3、Auto Research与自进化闭环：研究模型如何自动发现问题、获取信息、生成假设、验证结果，并将成功/失败轨迹沉淀为数据、Reward、Benchmark和策略迭代信号，形成持续进化的能力闭环；\n4、TikTok生态中的复杂任务智能：结合TikTok视频、评论、创作者内容、热点、经验决策、本地生活、电商等场景，研究Agent如何理解内容语境、整合多源信息、辅助用户比较判断，并完成从信息获取到决策支持的复杂任务。\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、电子信息等相关专业优先；\n2、具备扎实的机器学习、深度学习和自然语言处理基础，熟悉PyTorch、TensorFlow等训练框架；\n3、熟悉大语言模型的训练与优化方法，了解SFT、DPO、PPO、GRPO等后训练或强化学习算法；\n4、能分析Agent的完整行为链路，从任务轨迹、反馈信号、策略选择和失败模式中定位问题；\n5、实验能力强，能设计Benchmark、拆解Failure Mode，并判断模型提升是否真实、稳定、可泛化；\n6、不满足于复现论文或堆技术词，能把真实用户问题抽象成可验证、可迭代、可规模化的算法问题。\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、Agent Learning与模型能力扩展：研究Agent如何从真实任务Trajectory、环境反馈和用户反馈中学习，结合Post-training、Test-time Scaling、RL Scaling等方法，提升模型在任务拆解、信息获取、工具使用、决策路径、失败恢复和复杂泛化上的能力；\n2、个性化Agent：研究用户长期兴趣、上下文、行为反馈和场景状态建模，让Agent能够理解不同用户的需求、偏好和决策习惯，提供因人而异的智能体验；\n3、Auto Research与自进化闭环：研究模型如何自动发现问题、获取信息、生成假设、验证结果，并将成功/失败轨迹沉淀为数据、Reward、Benchmark和策略迭代信号，形成持续进化的能力闭环；\n4、TikTok生态中的复杂任务智能：结合TikTok视频、评论、创作者内容、热点、经验决策、本地生活、电商等场景，研究Agent如何理解内容语境、整合多源信息、辅助用户比较判断，并完成从信息获取到决策支持的复杂任务。\n1、2027届获得本科及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、具备扎实的机器学习、深度学习和自然语言处理基础，熟悉PyTorch、TensorFlow等训练框架；\n3、熟悉大语言模型的训练与优化方法，了解SFT、DPO、PPO、GRPO等后训练或强化学习算法；\n4、能分析Agent的完整行为链路，从任务轨迹、反馈信号、策略选择和失败模式中定位问题；\n5、实验能力强，能设计Benchmark、拆解Failure Mode，并判断模型提升是否真实、稳定、可泛化；\n6、不满足于复现论文或堆技术词，能把真实用户问题抽象成可验证、可迭代、可规模化的算法问题。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}