快手推荐模型算法实习生-【本地生活】
任职要求
1、本科及以上学历，计算机、人工智能、统计学和数学相关专业; 2、有较强的工程实现能力，熟悉C/C++、Python、 Java等至少一门主流编程语言; 3、对搜广推算法、LLM(ChatGPT等)/多模态模型(LLaVa、BLIP2、instructBLIP等)模型或者量化蒸馏/剪枝有深入研究经验; 4、熟悉常用机器学习和数据挖掘算法，优秀的分析和解决问题的能力，同时具有较好的团队协作能力。 加分项: 1、密切关注业界最新进展，在国际顶会上发表过LLM/MLLM/推荐等相关论文; 2、有搜广推业务上大规模机器学习优化落地经验; 3、在ACM-ICPC/NOI/I0I编程竞赛或Kaggle等机器学习相关竞赛拿过奖项者优先。
工作职责
1、探索大模型与推荐算法结合的下一代推荐系统技术，充分利用大模型的领域知识和学习范式为推荐系统注入新的能量，包括但不限于文本/D生成式推荐、模型Scaling Law、用户超长序列端到端建模等; 2、探索视频、文本和语音等多模态信号的高效处理方式以及与推荐系统对齐的能力，让推荐系统看懂、听懂和理解世界; 3、混合专家、蒸馏剪枝等兼顾模型性能和效果的技术探索; 4、紧跟行业及大模型技术发展，结合业界前沿技术和业务求，打造大模型应用的最佳实践。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：推荐算法是生活服务场景交易增长的核心驱动力，我们希望借鉴LLM的成功思路，结合生活服务场景的时空特点，探索在生活服务场景推荐算法和架构的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1、基于类Transformer结构的生成式推荐大模型技术，验证生活服务推荐场景的Scaling Law，探索面向大模型的推荐算法建模范式； 2、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理的效率； 3、多体裁多模态表征学习和推荐模型结合； 4、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。 1、负责生活服务场景推荐大模型的算法优化，引入生成式AI技术，优化建模方案、模型结构、特征和样本等，提升场景交易效率； 2、验证生活服务场景的推荐大模型Scaling Law，应对大模型训练中的新挑战； 3、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4、多体裁多模态表征学习和推荐大模型结合； 5、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：我们是智能服务团队，团队负责互娱业务的泛体验、泛安全问题挖掘和业务赋能，为抖音/直播/剪映/醒图/本地生活等业务，提供服务化与智能化解决方案。 团队拥有工程（FE/Server)、数据(数据工程、数据科学)、算法(大模型、NLP、CV、推荐)、产品经理等多种职能岗位，可以高效自闭环进行智能平台类产品的设计研发，具有多个公司级影响力的智能化平台产品成功落地经验。 团队年轻向上，打造工程师文化，团队年度输出了50+篇专利，10+篇行业会议分享。 1、负责字节跳动效率领域各业务场景下，进行算法应用研究与开发落地工作，业务场景包括但不限于抖音用户体验优化/智能运营/智能客服等； 2、跟踪大模型方向的最新算法研究成果，用以持续提升业务应用效果，研究方向包括但不限于模型CT、Post-training、AI Agent等技术； 3、整理研究数据，撰写技术报告、发表研究论文和申请专利； 4、深度参与产品研发项目，和产品经理/业务研发/业务质量/运营等同学密切配合，提高项目整体效率和收益。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：TikTok内容生态算法团队立足于平台海量用户和短视频内容，利用多模态、LLM/MLLM、NLP&CV等技术，负责对各类内容做分析、加工、生成等内容层操作，内容形态包括但不限于短视频、图文、全网热点页面、客服对话等，产出内容理解特征、大模型生成中间页、全网热点发现&理解能力以及智能客服系统。 同时在TikTok供给侧提供面向全平台的创作灵感个性化推荐能力。 在这里，有上百个语种，NLP/LLM等技术面临多语种挑战。 在这里，有海量短视频内容，MLLM及多模态技术有更多应用场景。 平台用户量大，各项业务如本地生活、搜索等都处于高速发展期，有大量实际落地和应用场景。 1、负责TikTok的内容生态业务推荐算法工作，和产品、运营等团队紧密合作，深度理解TikTok推荐业务发展，共同制定长短期的业务目标； 2、深入参与到机器学习技术研究中，在解决具体问题的同时形成完整系统的工作方法，持续提升用户体验； 3、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、排序学习、模型压缩和加速、多模态技术等，善于结合业务的实际问题来做好技术的探索和研究； 4、组织推进组内以及跨部门合作项目，帮助团队的进步和新人成长。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：TikTok内容生态算法团队立足于平台海量用户和短视频内容，利用多模态、LLM/MLLM、NLP&CV等技术，负责对各类内容做分析、加工、生成等内容层操作，内容形态包括但不限于短视频、图文、全网热点页面、客服对话等，产出内容理解特征、大模型生成中间页、全网热点发现&理解能力以及智能客服系统。 同时在TikTok供给侧提供面向全平台的创作灵感个性化推荐能力。 在这里，有上百个语种，NLP/LLM等技术面临多语种挑战。 在这里，有海量短视频内容，MLLM及多模态技术有更多应用场景。 平台用户量大，各项业务如本地生活、搜索等都处于高速发展期，有大量实际落地和应用场景。 1、负责TikTok的内容生态业务推荐算法工作，和产品、运营等团队紧密合作，深度理解TikTok推荐业务发展，共同制定长短期的业务目标； 2、深入参与到机器学习技术研究中，在解决具体问题的同时形成完整系统的方法论，持续提升用户体验； 3、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、Learning to rank、模型压缩和加速、多模态技术等，善于结合业务的实际问题来做好技术的探索和研究； 4、组织推进组内以及跨部门合作项目，帮助团队的进步和新人成长。