{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型技术与应用算法工程师（用户智能） - 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",
        "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届获得硕士及以上学位",
        "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、探索基于大语言模型的推荐（LLM4Rec）、交互式推荐、生成式推荐、智能体推荐等新范式，推动推荐系统与交互范式的升级；\n2、研究用户全生命周期建模，结合超长行为序列和多源交互信号，构建统一的用户表征，理解用户兴趣及其动态演化；\n3、推进自然语言语义与推荐系统中用户、内容和行为语义的对齐，使系统能够理解用户的文本输入，并通过检索、推荐或生成等方式动态响应用户需求；\n4、利用大语言模型和多模态大模型理解用户和视频，研究跨模态、跨语言的内容理解与用户—内容统一表征；\n5、面向新用户冷启动、兴趣激活与探索、跨域兴趣迁移、智能触达与获客等场景，提升模型在稀疏反馈和复杂业务环境下的泛化能力；\n6、探索智能体与强化学习在推荐决策中的应用，构建具备感知、记忆、推理、规划和反馈学习能力的推荐智能体，兼顾短期效果、用户体验与长期价值。",
        "requirements_text": "1、2027届获得硕士及以上学位，计算机、电子信息、人工智能、机器学习等相关专业；\n2、具备扎实的机器学习和深度学习基础，熟悉大语言模型、多模态模型、推荐系统或强化学习中的一个或多个方向；\n3、具备以下至少一个领域的研究或实践经验：\n1）大模型预训练、后训练、微调与对齐；\n2）多模态理解与跨模态表征学习；\n3）生成式推荐、序列推荐与用户建模；\n4）强化学习与长期价值建模；\n5）冷启动、跨域迁移与多目标优化；\n4、具备较强的算法设计、实验分析和工程实现能力，能够从实际问题中抽象关键技术问题；\n5、对大模型与推荐系统的结合有持续兴趣，具备良好的学习能力和创新意识。\n\n加分项\n1、在大模型、多模态、推荐系统或强化学习方向有高水平论文、竞赛、开源项目或工业落地经验；\n2、具有大规模推荐、广告、搜索、用户增长或智能触达系统研发经验；\n3、具有生成式推荐、推荐基础模型、用户行为大模型或多模态推荐实践经验；\n4、能够兼顾技术前瞻性与业务落地，对用户体验、平台生态及长期价值有深入理解。",
        "skills": [AI生成
            "机器学习",
            "深度学习",
            "强化学习",
            "算法设计",
            "学习能力",
            "建模",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7679727632775104821/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7679727632775104821",
        "post_date": "2026-08-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7679727632775104821/detail"
    },
    "fulltext": "大模型技术与应用算法工程师（用户智能） - 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、探索基于大语言模型的推荐（LLM4Rec）、交互式推荐、生成式推荐、智能体推荐等新范式，推动推荐系统与交互范式的升级；\n2、研究用户全生命周期建模，结合超长行为序列和多源交互信号，构建统一的用户表征，理解用户兴趣及其动态演化；\n3、推进自然语言语义与推荐系统中用户、内容和行为语义的对齐，使系统能够理解用户的文本输入，并通过检索、推荐或生成等方式动态响应用户需求；\n4、利用大语言模型和多模态大模型理解用户和视频，研究跨模态、跨语言的内容理解与用户—内容统一表征；\n5、面向新用户冷启动、兴趣激活与探索、跨域兴趣迁移、智能触达与获客等场景，提升模型在稀疏反馈和复杂业务环境下的泛化能力；\n6、探索智能体与强化学习在推荐决策中的应用，构建具备感知、记忆、推理、规划和反馈学习能力的推荐智能体，兼顾短期效果、用户体验与长期价值。\n\n职位要求\n1、2027届获得硕士及以上学位，计算机、电子信息、人工智能、机器学习等相关专业；\n2、具备扎实的机器学习和深度学习基础，熟悉大语言模型、多模态模型、推荐系统或强化学习中的一个或多个方向；\n3、具备以下至少一个领域的研究或实践经验：\n1）大模型预训练、后训练、微调与对齐；\n2）多模态理解与跨模态表征学习；\n3）生成式推荐、序列推荐与用户建模；\n4）强化学习与长期价值建模；\n5）冷启动、跨域迁移与多目标优化；\n4、具备较强的算法设计、实验分析和工程实现能力，能够从实际问题中抽象关键技术问题；\n5、对大模型与推荐系统的结合有持续兴趣，具备良好的学习能力和创新意识。\n\n加分项\n1、在大模型、多模态、推荐系统或强化学习方向有高水平论文、竞赛、开源项目或工业落地经验；\n2、具有大规模推荐、广告、搜索、用户增长或智能触达系统研发经验；\n3、具有生成式推荐、推荐基础模型、用户行为大模型或多模态推荐实践经验；\n4、能够兼顾技术前瞻性与业务落地，对用户体验、平台生态及长期价值有深入理解。\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、探索基于大语言模型的推荐（LLM4Rec）、交互式推荐、生成式推荐、智能体推荐等新范式，推动推荐系统与交互范式的升级；\n2、研究用户全生命周期建模，结合超长行为序列和多源交互信号，构建统一的用户表征，理解用户兴趣及其动态演化；\n3、推进自然语言语义与推荐系统中用户、内容和行为语义的对齐，使系统能够理解用户的文本输入，并通过检索、推荐或生成等方式动态响应用户需求；\n4、利用大语言模型和多模态大模型理解用户和视频，研究跨模态、跨语言的内容理解与用户—内容统一表征；\n5、面向新用户冷启动、兴趣激活与探索、跨域兴趣迁移、智能触达与获客等场景，提升模型在稀疏反馈和复杂业务环境下的泛化能力；\n6、探索智能体与强化学习在推荐决策中的应用，构建具备感知、记忆、推理、规划和反馈学习能力的推荐智能体，兼顾短期效果、用户体验与长期价值。\n1、2027届获得硕士及以上学位，计算机、电子信息、人工智能、机器学习等相关专业；\n2、具备扎实的机器学习和深度学习基础，熟悉大语言模型、多模态模型、推荐系统或强化学习中的一个或多个方向；\n3、具备以下至少一个领域的研究或实践经验：\n1）大模型预训练、后训练、微调与对齐；\n2）多模态理解与跨模态表征学习；\n3）生成式推荐、序列推荐与用户建模；\n4）强化学习与长期价值建模；\n5）冷启动、跨域迁移与多目标优化；\n4、具备较强的算法设计、实验分析和工程实现能力，能够从实际问题中抽象关键技术问题；\n5、对大模型与推荐系统的结合有持续兴趣，具备良好的学习能力和创新意识。\n\n加分项\n1、在大模型、多模态、推荐系统或强化学习方向有高水平论文、竞赛、开源项目或工业落地经验；\n2、具有大规模推荐、广告、搜索、用户增长或智能触达系统研发经验；\n3、具有生成式推荐、推荐基础模型、用户行为大模型或多模态推荐实践经验；\n4、能够兼顾技术前瞻性与业务落地，对用户体验、平台生态及长期价值有深入理解。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}