主分类：大模型与生成式算法研发
辅助：搜索推荐与业务决策算法研发（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": "用户创作大模型算法工程师-智能创作（北京/上海）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "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": 3,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责个性化计算与推荐/搜索系统的算法设计与优化，将用户行为、偏好、上下文等信号引入大模型与多模态模型中；\n2、参与大模型后训练（Post-Training）体系建设，包括但不限于SFT/Reward Modeling/RLHF/RLAIF；\n3、利用用户在线反馈（点击、停留、转化、偏好选择等）构建Reward信号，驱动LLM/多模态生成模型的持续优化；\n4、设计并实现基于强化学习（RL）或对比学习的优化策略，用于提升生成质量、用户满意度和业务指标；\n5、与产品、工程、运营等多团队合作，推动个性化大模型在真实业务场景中的落地和迭代。",
"requirements_text": "1、扎实的编程能力，机器学习基础知识扎实，对解决具有挑战性问题充满激情；\n2、关心产品体验，逻辑感强，善于思考，数据与客观事实驱动，具备良好的工程与算法协作能力，积极主动、有责任感，能与团队高效沟通和合作；\n3、推荐/搜索/广告/机器学习相关背景，3年及以上算法相关工作经验，在个性化建模或推荐系统方向有扎实积累；在以下至少一个方向有深入研究或实战经验：\n1）搜索/推荐系统\n2）大语言模型（LLM）或多模态大模型\n3）个性化生成（Personalized Generation）；\n4、熟悉或参与过大模型后训练（Post-Training）流程，包括但不限于：\n1）SFT（Supervised Fine-tuning）\n2）Reward Model训练\n3）RLHF/RL-based Optimization；\n5、能够基于用户在线行为与反馈数据，构建有效的Reward/Preference信号，并将其用于LLM/生图模型的优化；\n6、对强化学习（RL）、对比学习、排序学习等方法有理解，并能将其应用于生成模型或推荐/搜索场景。",
"skills": [AI生成
"机器学习",
"强化学习",
"建模",
"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/experienced/position/7347606096552479002/detail"
}
]
},
"posting": {
"posting_id": "7347606096552479002",
"post_date": "2024-03-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7347606096552479002/detail"
},
"fulltext": "用户创作大模型算法工程师-智能创作（北京/上海）\n职位描述\n1、负责个性化计算与推荐/搜索系统的算法设计与优化，将用户行为、偏好、上下文等信号引入大模型与多模态模型中；\n2、参与大模型后训练（Post-Training）体系建设，包括但不限于SFT/Reward Modeling/RLHF/RLAIF；\n3、利用用户在线反馈（点击、停留、转化、偏好选择等）构建Reward信号，驱动LLM/多模态生成模型的持续优化；\n4、设计并实现基于强化学习（RL）或对比学习的优化策略，用于提升生成质量、用户满意度和业务指标；\n5、与产品、工程、运营等多团队合作，推动个性化大模型在真实业务场景中的落地和迭代。\n\n职位要求\n1、扎实的编程能力，机器学习基础知识扎实，对解决具有挑战性问题充满激情；\n2、关心产品体验，逻辑感强，善于思考，数据与客观事实驱动，具备良好的工程与算法协作能力，积极主动、有责任感，能与团队高效沟通和合作；\n3、推荐/搜索/广告/机器学习相关背景，3年及以上算法相关工作经验，在个性化建模或推荐系统方向有扎实积累；在以下至少一个方向有深入研究或实战经验：\n1）搜索/推荐系统\n2）大语言模型（LLM）或多模态大模型\n3）个性化生成（Personalized Generation）；\n4、熟悉或参与过大模型后训练（Post-Training）流程，包括但不限于：\n1）SFT（Supervised Fine-tuning）\n2）Reward Model训练\n3）RLHF/RL-based Optimization；\n5、能够基于用户在线行为与反馈数据，构建有效的Reward/Preference信号，并将其用于LLM/生图模型的优化；\n6、对强化学习（RL）、对比学习、排序学习等方法有理解，并能将其应用于生成模型或推荐/搜索场景。\n1、负责个性化计算与推荐/搜索系统的算法设计与优化，将用户行为、偏好、上下文等信号引入大模型与多模态模型中；\n2、参与大模型后训练（Post-Training）体系建设，包括但不限于SFT/Reward Modeling/RLHF/RLAIF；\n3、利用用户在线反馈（点击、停留、转化、偏好选择等）构建Reward信号，驱动LLM/多模态生成模型的持续优化；\n4、设计并实现基于强化学习（RL）或对比学习的优化策略，用于提升生成质量、用户满意度和业务指标；\n5、与产品、工程、运营等多团队合作，推动个性化大模型在真实业务场景中的落地和迭代。\n1、扎实的编程能力，机器学习基础知识扎实，对解决具有挑战性问题充满激情；\n2、关心产品体验，逻辑感强，善于思考，数据与客观事实驱动，具备良好的工程与算法协作能力，积极主动、有责任感，能与团队高效沟通和合作；\n3、推荐/搜索/广告/机器学习相关背景，3年及以上算法相关工作经验，在个性化建模或推荐系统方向有扎实积累；在以下至少一个方向有深入研究或实战经验：\n1）搜索/推荐系统\n2）大语言模型（LLM）或多模态大模型\n3）个性化生成（Personalized Generation）；\n4、熟悉或参与过大模型后训练（Post-Training）流程，包括但不限于：\n1）SFT（Supervised Fine-tuning）\n2）Reward Model训练\n3）RLHF/RL-based Optimization；\n5、能够基于用户在线行为与反馈数据，构建有效的Reward/Preference信号，并将其用于LLM/生图模型的优化；\n6、对强化学习（RL）、对比学习、排序学习等方法有理解，并能将其应用于生成模型或推荐/搜索场景。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}