网易平台算法实习生（网易云音乐）

我们是网易云音乐算法团队，专注于行业领先的搜索或者推荐算法，我们致力于通过技术赋能云音乐各项业务，通过社区广场推荐，提升用户体验，产生商业化价值。 在这里你可以： 1、接触到亿级别海量、真实的用户数据，使用深度学习、强化学习、图模型等算法，发挥推荐的价值； 2、使用行业领先的大规模分布式机器学习平台，例如tensorflow等开源的工具，实现并不断优化推荐、搜索等算法; 3、成为“懂数据、懂算法、懂系统、懂业务”的人才，进行数据特征、实时算法、算法分析等某一方面的工作； 4、负责实时的数据特征体系建设，采用Flink实时大数据套件，挖掘数据特征信息，辅助业务算法优化。

我们是网易云音乐算法团队，专注于行业领先的搜推算法。我们通过技术赋能云音乐业务，提升用户体验，产生商业化价值。 在这里你可以： 1、接触到亿级别海量、真实的用户数据，使用深度学习、图模型、多资源多目标建模、LLM4Rec等算法，发挥算法技术的价值； 2、使用行业领先的大规模分布式机器学习平台，实现并不断优化推荐、搜索等算法； 3、探索落地各种创新的算法技术思想，转化为论文成果，或者支撑业务效率提升；

团队介绍：Data-番茄团队，负责字节跳动下番茄小说、红果短剧、番茄畅听等产品的推荐算法和AI相关工作。工作包括：搭建业界前沿的大规模推荐系统，提高产品使用体验，从小说、短剧、音频、音乐等内容方向建设完整的内容生态和AI能力，保持业务规模保持超高速增长。 课题介绍： 【课题背景】 番茄系产品作为全网最大的故事消费和创作平台，汇集了丰富的内容IP，涵盖网文、短剧、有声、漫画、动态漫等多种体裁，是大语言模型和多模态大模型天然的最佳实践场景。我们在内容创作、内容生产、内容推荐、IP改编等产品全链路上深度建设行业领先的各类AI能力，实现从供给到分发的全面能力升级，为数亿活跃用户和各类内容创作者带来全新的产品体验。 【研究方向】 1、利用小说和短剧的长文本和多模态优势，结合大模型理解和COT推理能力大幅度改进现有推荐系统，实现基于LLM+COT的下一代认知推理推荐引擎； 2、跨模态内容生成，探索如何将现有的IP内容在不同体裁之间进行转换和生成，实现小说、动漫、短剧等内容的AI生成和辅助创作； 3、番茄系IP价值挖掘与优化，深入挖掘IP的潜在价值，如改编、剧本创作等，优化其使用策略以及生产流程，以最大化其商业价值。

1、负责云音乐AI基建平台相关业务相关服务端开发； 2、负责业务AI相关落地； 3、根据产品需求完成服务器端设计、开发以及文档编写等工作； 4、优化系统性能， 改善系统的稳定性及易用性，提升用户体验。