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": "生成式推荐算法工程师-内容消费",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"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": "计算机/人工智能/统计学等相关专业硕士及以上学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、生成式推荐模型研发：负责基于LLM生成式模型的推荐策略设计与优化，探索生成式技术在用户兴趣建模、内容生成与匹配、个性化推荐中的创新应用，提升推荐的相关性、多样性与用户体验；\n2、多模态融合与理解：深入研究并应用多模态技术，融合文本、图像、视频等信息，提升对内容和用户意图的理解能力，为生成式推荐提供坚实的表征基础；\n3、系统实验与效果评估：参与生成式推荐系统的实验设计与效果评估，通过A/B测试等手段科学验证模型改进的有效性，并进行深度归因分析；\n4、技术落地与业务协同：与产品、运营团队紧密协作，将生成式技术落地到实际推荐场景（如短视频、图文、直播），推动业务指标（如用户时长、GMV、广告收入）的显著提升；\n5、前沿技术跟踪与创新：密切跟踪生成式AI与推荐系统领域的最新研究进展，引入创新方案解决业务痛点，持续探索技术边界。",
"requirements_text": "1、计算机/人工智能/统计学等相关专业硕士及以上学位，或本科有3年以上生成式模型、推荐系统相关工作经验；\n2、扎实的机器学习/深度学习理论基础，熟悉生成式模型（如Transformer、LLM、多模态生成模型、扩散模型等）的原理与应用；\n3、熟悉至少一种主流深度学习框架（PyTorch/TensorFlow），具备较强的代码实现能力；\n4、有扎实的编程基础，良好的编程风格和工作习惯，熟练掌握C/C++、Java、Python等至少一门语言；\n5、有大规模推荐系统或生成式模型（如LLM、AIGC）相关项目经验者优先；\n6、具有良好的团队协作能力、沟通能力和问题解决能力，对新技术有强烈的探索欲望。\n\n加分项\n1、在广告、推荐、搜索、增长营销等大规模业务上有过多年的优化经验；\n2、在顶级会议（CCF-A类，如ICML、NIPS、ICLR、AAAI、IJCAI、KDD、RecSys、SIGIR等）上发表过论文；\n3、有过深度学习编程框架开源社区经验。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"团队协作",
"沟通能力",
"大语言模型"
],
"preferred_qualifications": "5、有大规模推荐系统或生成式模型（如LLM、AIGC）相关项目经验者优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7393191380305086758/detail"
}
]
},
"posting": {
"posting_id": "7393191380305086758",
"post_date": "2024-07-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7393191380305086758/detail"
},
"fulltext": "生成式推荐算法工程师-内容消费\n职位描述\n1、生成式推荐模型研发：负责基于LLM生成式模型的推荐策略设计与优化，探索生成式技术在用户兴趣建模、内容生成与匹配、个性化推荐中的创新应用，提升推荐的相关性、多样性与用户体验；\n2、多模态融合与理解：深入研究并应用多模态技术，融合文本、图像、视频等信息，提升对内容和用户意图的理解能力，为生成式推荐提供坚实的表征基础；\n3、系统实验与效果评估：参与生成式推荐系统的实验设计与效果评估，通过A/B测试等手段科学验证模型改进的有效性，并进行深度归因分析；\n4、技术落地与业务协同：与产品、运营团队紧密协作，将生成式技术落地到实际推荐场景（如短视频、图文、直播），推动业务指标（如用户时长、GMV、广告收入）的显著提升；\n5、前沿技术跟踪与创新：密切跟踪生成式AI与推荐系统领域的最新研究进展，引入创新方案解决业务痛点，持续探索技术边界。\n\n职位要求\n1、计算机/人工智能/统计学等相关专业硕士及以上学位，或本科有3年以上生成式模型、推荐系统相关工作经验；\n2、扎实的机器学习/深度学习理论基础，熟悉生成式模型（如Transformer、LLM、多模态生成模型、扩散模型等）的原理与应用；\n3、熟悉至少一种主流深度学习框架（PyTorch/TensorFlow），具备较强的代码实现能力；\n4、有扎实的编程基础，良好的编程风格和工作习惯，熟练掌握C/C++、Java、Python等至少一门语言；\n5、有大规模推荐系统或生成式模型（如LLM、AIGC）相关项目经验者优先；\n6、具有良好的团队协作能力、沟通能力和问题解决能力，对新技术有强烈的探索欲望。\n\n加分项\n1、在广告、推荐、搜索、增长营销等大规模业务上有过多年的优化经验；\n2、在顶级会议（CCF-A类，如ICML、NIPS、ICLR、AAAI、IJCAI、KDD、RecSys、SIGIR等）上发表过论文；\n3、有过深度学习编程框架开源社区经验。\n1、生成式推荐模型研发：负责基于LLM生成式模型的推荐策略设计与优化，探索生成式技术在用户兴趣建模、内容生成与匹配、个性化推荐中的创新应用，提升推荐的相关性、多样性与用户体验；\n2、多模态融合与理解：深入研究并应用多模态技术，融合文本、图像、视频等信息，提升对内容和用户意图的理解能力，为生成式推荐提供坚实的表征基础；\n3、系统实验与效果评估：参与生成式推荐系统的实验设计与效果评估，通过A/B测试等手段科学验证模型改进的有效性，并进行深度归因分析；\n4、技术落地与业务协同：与产品、运营团队紧密协作，将生成式技术落地到实际推荐场景（如短视频、图文、直播），推动业务指标（如用户时长、GMV、广告收入）的显著提升；\n5、前沿技术跟踪与创新：密切跟踪生成式AI与推荐系统领域的最新研究进展，引入创新方案解决业务痛点，持续探索技术边界。\n1、计算机/人工智能/统计学等相关专业硕士及以上学位，或本科有3年以上生成式模型、推荐系统相关工作经验；\n2、扎实的机器学习/深度学习理论基础，熟悉生成式模型（如Transformer、LLM、多模态生成模型、扩散模型等）的原理与应用；\n3、熟悉至少一种主流深度学习框架（PyTorch/TensorFlow），具备较强的代码实现能力；\n4、有扎实的编程基础，良好的编程风格和工作习惯，熟练掌握C/C++、Java、Python等至少一门语言；\n5、有大规模推荐系统或生成式模型（如LLM、AIGC）相关项目经验者优先；\n6、具有良好的团队协作能力、沟通能力和问题解决能力，对新技术有强烈的探索欲望。\n\n加分项\n1、在广告、推荐、搜索、增长营销等大规模业务上有过多年的优化经验；\n2、在顶级会议（CCF-A类，如ICML、NIPS、ICLR、AAAI、IJCAI、KDD、RecSys、SIGIR等）上发表过论文；\n3、有过深度学习编程框架开源社区经验。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}