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": "算法工程师 - 国际化搜索广告",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海、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:国际化搜索广告团队不断突破通用搜索引擎变现的界限,覆盖海外应用,致力于构建全球领先的搜索广告变现系统。在国际化搜索广告团队,您将有机会从事大规模分布式存储和架构、自然语言处理、排序和信息检索相关的问题。您还将深入参与我们的广告样式、创意展示和广告投放链路的创新和优化。我们正在寻找勇于挑战困难、热衷于解决复杂问题并与热情洋溢的候选人们共同发展我们的搜索广告产品。\n\n1、参与生成式召回与粗排系统建设,探索将大语言模型/生成式模型引入广告召回与粗排链路,针对海量内容利用多模态大模型的内容理解和表征能力进行语义ID构建,推动广告系统从多层级联判别式链路向端到端生成式架构演进,提升系统泛化能力,以此为基础进行全链路高效Scaling-Up;\n2、参与精排研发,包括Foundation Model、知识蒸馏、长序列行为建模、Large Recommendation Model架构设计与大规模训练优化,持续提升搜索广告排序质量;\n3、参与精排模型效率优化,探索模型压缩、计算加速、训练与推理成本降低等工程方向,支撑大模型在线服务落地;\n4、参与LLM与LRM的协同训练研究,探索跨任务联合表示与能力迁移,参与Query意图理解与搜索相关性建模,提升多语言、多文化场景下的广告检索精准度;\n5、参与AI搜索、广告创意智能生成等前沿方向的探索与落地;\n6、与产品、工程及运营团队协作,推动算法能力快速落地,覆盖Ti。",
"requirements_text": "1、2027届获得本科及以上学历,计算机科学、计算机工程或相关专业优先;\n2、熟练掌握一种或多种编程语言,包括但不限于:Python、Go、C/C++;\n3、在以下领域之一具有经验和良好理解:搜索、广告、推荐、电商、商业化产品;有推荐/搜索系统模型开发经验和训推经验;有LLM预训练、SFT、RLHF或LLM和推荐联合训练经验;\n4、具备较强的问题分析能力,能独立拆解复杂问题并提出清晰可落地的解决方案;有跨职能、跨文化团队协作经验,适应国际化业务节奏;\n5、在顶级会议/期刊上发表过高质量论文,如ACL/EMNLP/NAACL/NIPS等。",
"skills": [AI生成
"Python",
"C++",
"团队协作",
"分析能力",
"Go",
"C语言"
],
"preferred_qualifications": "1、2027届获得本科及以上学历,计算机科学、计算机工程或相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7670013456951380277/detail"
}
]
},
"posting": {
"posting_id": "7670013456951380277",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7670013456951380277/detail"
},
"fulltext": "算法工程师 - 国际化搜索广告\n职位描述\n团队介绍:国际化搜索广告团队不断突破通用搜索引擎变现的界限,覆盖海外应用,致力于构建全球领先的搜索广告变现系统。在国际化搜索广告团队,您将有机会从事大规模分布式存储和架构、自然语言处理、排序和信息检索相关的问题。您还将深入参与我们的广告样式、创意展示和广告投放链路的创新和优化。我们正在寻找勇于挑战困难、热衷于解决复杂问题并与热情洋溢的候选人们共同发展我们的搜索广告产品。\n\n1、参与生成式召回与粗排系统建设,探索将大语言模型/生成式模型引入广告召回与粗排链路,针对海量内容利用多模态大模型的内容理解和表征能力进行语义ID构建,推动广告系统从多层级联判别式链路向端到端生成式架构演进,提升系统泛化能力,以此为基础进行全链路高效Scaling-Up;\n2、参与精排研发,包括Foundation Model、知识蒸馏、长序列行为建模、Large Recommendation Model架构设计与大规模训练优化,持续提升搜索广告排序质量;\n3、参与精排模型效率优化,探索模型压缩、计算加速、训练与推理成本降低等工程方向,支撑大模型在线服务落地;\n4、参与LLM与LRM的协同训练研究,探索跨任务联合表示与能力迁移,参与Query意图理解与搜索相关性建模,提升多语言、多文化场景下的广告检索精准度;\n5、参与AI搜索、广告创意智能生成等前沿方向的探索与落地;\n6、与产品、工程及运营团队协作,推动算法能力快速落地,覆盖Ti。\n\n职位要求\n1、2027届获得本科及以上学历,计算机科学、计算机工程或相关专业优先;\n2、熟练掌握一种或多种编程语言,包括但不限于:Python、Go、C/C++;\n3、在以下领域之一具有经验和良好理解:搜索、广告、推荐、电商、商业化产品;有推荐/搜索系统模型开发经验和训推经验;有LLM预训练、SFT、RLHF或LLM和推荐联合训练经验;\n4、具备较强的问题分析能力,能独立拆解复杂问题并提出清晰可落地的解决方案;有跨职能、跨文化团队协作经验,适应国际化业务节奏;\n5、在顶级会议/期刊上发表过高质量论文,如ACL/EMNLP/NAACL/NIPS等。\n团队介绍:国际化搜索广告团队不断突破通用搜索引擎变现的界限,覆盖海外应用,致力于构建全球领先的搜索广告变现系统。在国际化搜索广告团队,您将有机会从事大规模分布式存储和架构、自然语言处理、排序和信息检索相关的问题。您还将深入参与我们的广告样式、创意展示和广告投放链路的创新和优化。我们正在寻找勇于挑战困难、热衷于解决复杂问题并与热情洋溢的候选人们共同发展我们的搜索广告产品。\n\n1、参与生成式召回与粗排系统建设,探索将大语言模型/生成式模型引入广告召回与粗排链路,针对海量内容利用多模态大模型的内容理解和表征能力进行语义ID构建,推动广告系统从多层级联判别式链路向端到端生成式架构演进,提升系统泛化能力,以此为基础进行全链路高效Scaling-Up;\n2、参与精排研发,包括Foundation Model、知识蒸馏、长序列行为建模、Large Recommendation Model架构设计与大规模训练优化,持续提升搜索广告排序质量;\n3、参与精排模型效率优化,探索模型压缩、计算加速、训练与推理成本降低等工程方向,支撑大模型在线服务落地;\n4、参与LLM与LRM的协同训练研究,探索跨任务联合表示与能力迁移,参与Query意图理解与搜索相关性建模,提升多语言、多文化场景下的广告检索精准度;\n5、参与AI搜索、广告创意智能生成等前沿方向的探索与落地;\n6、与产品、工程及运营团队协作,推动算法能力快速落地,覆盖Ti。\n1、2027届获得本科及以上学历,计算机科学、计算机工程或相关专业优先;\n2、熟练掌握一种或多种编程语言,包括但不限于:Python、Go、C/C++;\n3、在以下领域之一具有经验和良好理解:搜索、广告、推荐、电商、商业化产品;有推荐/搜索系统模型开发经验和训推经验;有LLM预训练、SFT、RLHF或LLM和推荐联合训练经验;\n4、具备较强的问题分析能力,能独立拆解复杂问题并提出清晰可落地的解决方案;有跨职能、跨文化团队协作经验,适应国际化业务节奏;\n5、在顶级会议/期刊上发表过高质量论文,如ACL/EMNLP/NAACL/NIPS等。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}