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": "广告算法专家（Ranking方向）-内容消费",
"job_level": "专家",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": 0,
"degree": "计算机或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、参与/负责字节跳动中国区行业广告排序算法优化，提升系统变现效率，优化客户体验；\n2、End-to-End的参与/负责广告系统全链路各个模块的优化，包括定向/召回/粗排/精排/出价等，从模型、策略和机制等角度全面提升广告系统变现效率；\n3、参与/负责商业化场景下推荐大模型的算法优化，结合生成式AI技术，持续改进建模方法、模型结构、特征与样本策略，将LLM推理能力融入排序模型，提升广告变现效率；\n4、行业广告端到端大模型优化与技术探索：\n1）参与/负责行业广告端到端大模型推荐方向的优化工作；\n2）验证推荐大模型的Scaling Law，推动LLM技术在搜广推系统的落地，应对大模型训练与部署中的工程、算法挑战；\n5、广告场景生成式模型技术探索与性能优化：探索广告场景下的Tokenize方案和生成式架构，推动生成式模型对传统离散模型的迭代升级，并通过算法与工程的深度融合，极致优化推荐大模型的训练与推理性能。",
"requirements_text": "1、计算机或相关专业本科及以上学历，0-5年以上广告/推荐/搜索召回排序等相关工作经验；\n2、扎实的数据结构和算法功底，编程能力较强，熟练使用C/C++/Python/Java/Golang等编程语言，优先：有海量数据处理和分布式计算开发经验，熟悉Hadoop、Spark框架；\n3、具备传统机器学习、深度学习相关知识背景，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等顶会论文，熟悉TensorFlow/PyTorch/Caffe/MXNet框架和原理；\n4、工作态度积极主动，具备强烈的主人翁意识和良好的团队协作精神；\n5、具备良好的逻辑思维能力，注重数据分析，能够从海量数据中发现有价值的规律；\n6、具备强烈的业务导向意识，以技术优化支撑业务目标达成。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Golang",
"Spark",
"Hadoop",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据结构",
"数据分析",
"团队协作",
"逻辑思维"
],
"preferred_qualifications": "2、扎实的数据结构和算法功底，编程能力较强，熟练使用C/C++/Python/Java/Golang等编程语言，优先：有海量数据处理和分布式计算开发经验，熟悉Hadoop、Spark框架；3、具备传统机器学习、深度学习相关知识背景，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等顶会论文，熟悉TensorFlow/PyTorch/Caffe/MXNet框架和原理",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7514636368456599826/detail"
}
]
},
"posting": {
"posting_id": "7514636368456599826",
"post_date": "2025-06-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7514636368456599826/detail"
},
"fulltext": "广告算法专家（Ranking方向）-内容消费\n职位描述\n1、参与/负责字节跳动中国区行业广告排序算法优化，提升系统变现效率，优化客户体验；\n2、End-to-End的参与/负责广告系统全链路各个模块的优化，包括定向/召回/粗排/精排/出价等，从模型、策略和机制等角度全面提升广告系统变现效率；\n3、参与/负责商业化场景下推荐大模型的算法优化，结合生成式AI技术，持续改进建模方法、模型结构、特征与样本策略，将LLM推理能力融入排序模型，提升广告变现效率；\n4、行业广告端到端大模型优化与技术探索：\n1）参与/负责行业广告端到端大模型推荐方向的优化工作；\n2）验证推荐大模型的Scaling Law，推动LLM技术在搜广推系统的落地，应对大模型训练与部署中的工程、算法挑战；\n5、广告场景生成式模型技术探索与性能优化：探索广告场景下的Tokenize方案和生成式架构，推动生成式模型对传统离散模型的迭代升级，并通过算法与工程的深度融合，极致优化推荐大模型的训练与推理性能。\n\n职位要求\n1、计算机或相关专业本科及以上学历，0-5年以上广告/推荐/搜索召回排序等相关工作经验；\n2、扎实的数据结构和算法功底，编程能力较强，熟练使用C/C++/Python/Java/Golang等编程语言，优先：有海量数据处理和分布式计算开发经验，熟悉Hadoop、Spark框架；\n3、具备传统机器学习、深度学习相关知识背景，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等顶会论文，熟悉TensorFlow/PyTorch/Caffe/MXNet框架和原理；\n4、工作态度积极主动，具备强烈的主人翁意识和良好的团队协作精神；\n5、具备良好的逻辑思维能力，注重数据分析，能够从海量数据中发现有价值的规律；\n6、具备强烈的业务导向意识，以技术优化支撑业务目标达成。\n1、参与/负责字节跳动中国区行业广告排序算法优化，提升系统变现效率，优化客户体验；\n2、End-to-End的参与/负责广告系统全链路各个模块的优化，包括定向/召回/粗排/精排/出价等，从模型、策略和机制等角度全面提升广告系统变现效率；\n3、参与/负责商业化场景下推荐大模型的算法优化，结合生成式AI技术，持续改进建模方法、模型结构、特征与样本策略，将LLM推理能力融入排序模型，提升广告变现效率；\n4、行业广告端到端大模型优化与技术探索：\n1）参与/负责行业广告端到端大模型推荐方向的优化工作；\n2）验证推荐大模型的Scaling Law，推动LLM技术在搜广推系统的落地，应对大模型训练与部署中的工程、算法挑战；\n5、广告场景生成式模型技术探索与性能优化：探索广告场景下的Tokenize方案和生成式架构，推动生成式模型对传统离散模型的迭代升级，并通过算法与工程的深度融合，极致优化推荐大模型的训练与推理性能。\n1、计算机或相关专业本科及以上学历，0-5年以上广告/推荐/搜索召回排序等相关工作经验；\n2、扎实的数据结构和算法功底，编程能力较强，熟练使用C/C++/Python/Java/Golang等编程语言，优先：有海量数据处理和分布式计算开发经验，熟悉Hadoop、Spark框架；\n3、具备传统机器学习、深度学习相关知识背景，优先：发表过KDD、AAAI、CIKM、WWW、RecSys、NeurIPS、ACL、EMNLP等顶会论文，熟悉TensorFlow/PyTorch/Caffe/MXNet框架和原理；\n4、工作态度积极主动，具备强烈的主人翁意识和良好的团队协作精神；\n5、具备良好的逻辑思维能力，注重数据分析，能够从海量数据中发现有价值的规律；\n6、具备强烈的业务导向意识，以技术优化支撑业务目标达成。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}