主分类：搜索推荐与业务决策算法研发
辅助：计算机视觉与图像感知算法研发、自然语言处理算法研发（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": "多模态搜索算法工程师 - 搜索",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、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：字节跳动搜索团队主要负责抖音、今日头条、红果短剧、番茄小说、AI搜索等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。\n我们使用前沿的机器学习/大模型技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，致力于支撑字节跳动持续多元化的产品创新和高速的业务增长、基于大模型革新和重塑下一代搜索技术体系，充分给同学们提供成长自我的机会。\n主要工作方向包括：\n1、探索前沿的NLP技术：全面基于LLM的Query分析、相关性、个性化预估、满意度评估、生成式检索等，全链路应用LLM/VLM，每个细节都充满挑战；\n2、跨模态匹配技术：进行多模态预训练，在超大规模的多模态表征、匹配、生成等多个技术方向上持续突破，打造世界领先的多模态搜索系统；\n3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；\n4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；\n5、推荐技术：基于超大规模机器学习、因果推断、大模型推理等技术手段，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新；\n6、AI搜索技术：基于大模型(LLM/VLM)探索多轮、交互式等大模型原生的搜索产品体验。\n\n1、AI问答/Agent：基于SFT、RL、Context Engineering、Memory等技术迭代Planner/Summary提升AI问答能力，探索解决复杂问题Agent/Adaptive Thinking、视觉世界知识压缩与检索等；\n2、大规模视觉搜索：检索、相关性、个性化等算法基于VLM与大模型做技术代际升级，探索结合视觉工具的Agent自动化标注、VLM相关性、多模态表征/个性化CoTrain、Dense个性化、RL Based GE等技术；\n3、生成式搜索：探索VLM Based Vision Language Sid Model即VLS，优化基于语义SID复刻LLM Scaling Law的生成式召回与排序，召精一体架构代替多阶段级联架构，优化PreTrain、PostTrain、RL以及帧级别的生成，提供语义与个性化都更好的搜索体验；\n4、基础视觉智能：基于VLM重构视频分析、主体识别、OCR、视频Tracking、细粒度分类等基础视觉算法支撑理解图片/视频理解，探索多任务统一、视觉推理、复杂Context、细粒度视觉理解能力。",
"requirements_text": "1、2027届获得本科及以上学历；\n2、基础扎实，有良好的代码基础、机器学习算法功底；\n3、熟悉CV、VLM、Omni Model、LLM、Agent、DeepResearch、视觉搜索/AI问答等相关的算法和技术；\n4、具备出色的问题分析与解决能力；\n5、热爱技术，具备探索精神与自驱力，工作责任心强。",
"skills": [AI生成
"机器学习",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7669641658196134149/detail"
}
]
},
"posting": {
"posting_id": "7669641658196134149",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7669641658196134149/detail"
},
"fulltext": "多模态搜索算法工程师 - 搜索\n职位描述\n团队介绍：字节跳动搜索团队主要负责抖音、今日头条、红果短剧、番茄小说、AI搜索等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。\n我们使用前沿的机器学习/大模型技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，致力于支撑字节跳动持续多元化的产品创新和高速的业务增长、基于大模型革新和重塑下一代搜索技术体系，充分给同学们提供成长自我的机会。\n主要工作方向包括：\n1、探索前沿的NLP技术：全面基于LLM的Query分析、相关性、个性化预估、满意度评估、生成式检索等，全链路应用LLM/VLM，每个细节都充满挑战；\n2、跨模态匹配技术：进行多模态预训练，在超大规模的多模态表征、匹配、生成等多个技术方向上持续突破，打造世界领先的多模态搜索系统；\n3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；\n4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；\n5、推荐技术：基于超大规模机器学习、因果推断、大模型推理等技术手段，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新；\n6、AI搜索技术：基于大模型(LLM/VLM)探索多轮、交互式等大模型原生的搜索产品体验。\n\n1、AI问答/Agent：基于SFT、RL、Context Engineering、Memory等技术迭代Planner/Summary提升AI问答能力，探索解决复杂问题Agent/Adaptive Thinking、视觉世界知识压缩与检索等；\n2、大规模视觉搜索：检索、相关性、个性化等算法基于VLM与大模型做技术代际升级，探索结合视觉工具的Agent自动化标注、VLM相关性、多模态表征/个性化CoTrain、Dense个性化、RL Based GE等技术；\n3、生成式搜索：探索VLM Based Vision Language Sid Model即VLS，优化基于语义SID复刻LLM Scaling Law的生成式召回与排序，召精一体架构代替多阶段级联架构，优化PreTrain、PostTrain、RL以及帧级别的生成，提供语义与个性化都更好的搜索体验；\n4、基础视觉智能：基于VLM重构视频分析、主体识别、OCR、视频Tracking、细粒度分类等基础视觉算法支撑理解图片/视频理解，探索多任务统一、视觉推理、复杂Context、细粒度视觉理解能力。\n\n职位要求\n1、2027届获得本科及以上学历；\n2、基础扎实，有良好的代码基础、机器学习算法功底；\n3、熟悉CV、VLM、Omni Model、LLM、Agent、DeepResearch、视觉搜索/AI问答等相关的算法和技术；\n4、具备出色的问题分析与解决能力；\n5、热爱技术，具备探索精神与自驱力，工作责任心强。\n团队介绍：字节跳动搜索团队主要负责抖音、今日头条、红果短剧、番茄小说、AI搜索等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。\n我们使用前沿的机器学习/大模型技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，致力于支撑字节跳动持续多元化的产品创新和高速的业务增长、基于大模型革新和重塑下一代搜索技术体系，充分给同学们提供成长自我的机会。\n主要工作方向包括：\n1、探索前沿的NLP技术：全面基于LLM的Query分析、相关性、个性化预估、满意度评估、生成式检索等，全链路应用LLM/VLM，每个细节都充满挑战；\n2、跨模态匹配技术：进行多模态预训练，在超大规模的多模态表征、匹配、生成等多个技术方向上持续突破，打造世界领先的多模态搜索系统；\n3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；\n4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；\n5、推荐技术：基于超大规模机器学习、因果推断、大模型推理等技术手段，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新；\n6、AI搜索技术：基于大模型(LLM/VLM)探索多轮、交互式等大模型原生的搜索产品体验。\n\n1、AI问答/Agent：基于SFT、RL、Context Engineering、Memory等技术迭代Planner/Summary提升AI问答能力，探索解决复杂问题Agent/Adaptive Thinking、视觉世界知识压缩与检索等；\n2、大规模视觉搜索：检索、相关性、个性化等算法基于VLM与大模型做技术代际升级，探索结合视觉工具的Agent自动化标注、VLM相关性、多模态表征/个性化CoTrain、Dense个性化、RL Based GE等技术；\n3、生成式搜索：探索VLM Based Vision Language Sid Model即VLS，优化基于语义SID复刻LLM Scaling Law的生成式召回与排序，召精一体架构代替多阶段级联架构，优化PreTrain、PostTrain、RL以及帧级别的生成，提供语义与个性化都更好的搜索体验；\n4、基础视觉智能：基于VLM重构视频分析、主体识别、OCR、视频Tracking、细粒度分类等基础视觉算法支撑理解图片/视频理解，探索多任务统一、视觉推理、复杂Context、细粒度视觉理解能力。\n1、2027届获得本科及以上学历；\n2、基础扎实，有良好的代码基础、机器学习算法功底；\n3、熟悉CV、VLM、Omni Model、LLM、Agent、DeepResearch、视觉搜索/AI问答等相关的算法和技术；\n4、具备出色的问题分析与解决能力；\n5、热爱技术，具备探索精神与自驱力，工作责任心强。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T034",
"T036"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}