字节跳动短视频推荐算法工程师-推送方向
任职要求
1、具备优秀的编码能力，扎实的数据结构和算法功底； 2、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情； 3、对技术有热情，有良好的沟通表达能力和团队精神； 4、熟悉机器学习基础理论和常用模型算法，对推送&推荐系统、计算广告、搜索引擎等相关领域有经验者优先。
工作职责
团队介绍 短视频推送算法团队负责整个短视频的站内、站外以及消息页的消息发送策略与算法，是带来活跃用户增长最大的团队之一。在每天，我们有数以千万计的用户通过推送消息打开短视频首页，并获取到他们感兴趣、有价值的内容，重拾对短视频的兴趣。而你的技术产出，将有机会直接触达数亿用户，创造巨大的价值。我们以打造世界领先的推送系统为目标，深耕最前沿的推送技术，为用户在最恰当的时机提供最合适的推送内容，也为短视频创造更坚实的用户基础与长期价值。 职位介绍： 1、优化推送发送时机策略与模型。基于Reinforcement Learning、深度时序模型等提升系统择时&择频的能力，提升用户体验与相关指标； 2、应用主流和前沿的机器学习模型，如DeepFM, Uplift model, Deep Retrival, DIN等，进行召回&粗排&精排模型优化，包括模型结构优化、特征工程以及模型性能优化等； 3、基于海量数据搭建业内领先的推送模型、策略和架构，建模用户兴趣，提升用户体验； 4、负责业务场景中的某个模块，如社交推送、直播推送、热点推送等，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推送&推荐策略的目标； 5、进行推送内容创意的优化，包括自动生成&选择最优的文案内容、图片等素材，自动文案审核等工作； 6、通过推送的方式助力业务增长，相关业务包括社交、直播、热点、UserGrowth等。独立负责业务场景中的某个模块，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推送&推荐策略的目标； 7、技术方向：发送时机策略与模型、内容召回，排序与聚合、内容创意增长，利用海量数据搭建业内领先的机器学习算法和架构，建模用户兴趣，提升用户体验。
社区推荐： 1、负责推荐技术的落地；实现个性化推荐，分发策略，用户理解，内容理解等方向的技术突破； 2、沉淀社区推荐技术，并探索业务的边界。能够从复杂的业务环境中抽象出清晰具体的技术问题，并将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户体验，Inspire Life； 3、与各部门（包括并不限于产品，基础技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐产品。 广告推荐： 1、负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2、优化商家投放体验，包括冷启动、投放稳定性、新客留存等方向，不断引入更多商家预算； 3、优化广告召回、出价策略、排序模型等算法模块，增强电商广告流量匹配效率。 电商推荐： 1、参与交易个性化推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、能够从复杂的业务环境中抽象出清晰具体的技术问题，将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户的交易与浏览体验； 3、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的推荐算法。 增长推荐： 1、负责用户增长各环节的算法策略研发，通过算法策略优化提升个性化触达、外投广告、个性化内容分发、用户画像等效果； 2、负责个性化推荐业务召回、排序等算法研发，持续优化用户拉新和拉活各个环节的算法效率； 3、负责广告投放算法工作，通过个性化预估模型和运筹优化等算法，实现对用户的精准触达和出价，提升广告投放效率； 4、负责用户消息触达等相关算法工作，通过推送等触达提升用户规模。
社区推荐： 1、负责推荐技术的落地；实现个性化推荐，分发策略，用户理解，内容理解等方向的技术突破； 2、沉淀社区推荐技术，并探索业务的边界。能够从复杂的业务环境中抽象出清晰具体的技术问题，并将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户体验，Inspire Life； 3、与各部门（包括并不限于产品，基础技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐产品。 广告推荐： 1、负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2、优化商家投放体验，包括冷启动、投放稳定性、新客留存等方向，不断引入更多商家预算； 3、优化广告召回、出价策略、排序模型等算法模块，增强电商广告流量匹配效率。 电商推荐： 1、参与交易个性化推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、能够从复杂的业务环境中抽象出清晰具体的技术问题，将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户的交易与浏览体验； 3、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的推荐算法。 增长推荐： 1、负责用户增长各环节的算法策略研发，通过算法策略优化提升个性化触达、外投广告、个性化内容分发、用户画像等效果； 2、负责个性化推荐业务召回、排序等算法研发，持续优化用户拉新和拉活各个环节的算法效率； 3、负责广告投放算法工作，通过个性化预估模型和运筹优化等算法，实现对用户的精准触达和出价，提升广告投放效率； 4、负责用户消息触达等相关算法工作，通过推送等触达提升用户规模。
1.负责多模态大模型（图文、视频）在红点推送、本地生活推荐等业务场景中的技术探索与落地应用，提升内容生成精准度和用户转化效率； 2.结合业务数据特点，优化多模态模型的后训练、领域微调、生成控制等技术，实现文案创意生成、个性化推荐、分发策略联动的闭环优化； 3.深入理解用户行为和场景需求，探索多模态生成模型与推荐系统的深度融合，提升内容触达的实时性和相关性。
1、负责抖音系产品中视频、直播、图文等不同体裁下评论（文评、图评、音评等）、弹幕等互动内容的安全、体验、增长、创新工作； 2、面向互动内容中存在的对抗表达、隐晦表达、知识依赖等语义挑战，时序性、多模态、交互性等结构挑战，研发大模型驱动的机审系统，提升互动内容的安全、画风、生态的治理能力，有效降低互动内容的潜在风险； 3、分析和挖掘互动内容中蕴含的用户真实意图，探索基于大模型增强的统一内容理解技术，优化排序和分发策略以调控互动体验，提升平台口碑与用户粘性，支持在推荐、搜索、推送、广告、精选等场景中的应用； 4、探索技术驱动的创新互动内容产品形态，如智能总结、主播助理等，促进互动效率提升与用户增长； 5、基础技术方面持续探索LLM/MLLM等通用大模型在内容安全和理解领域的适配，从Pre-Train、Post-Train（SFT、RL）等方面优化，增强模型的感知和推理能力；同时探索围绕大模型相关的应用技术能力，如Auto-prompt Engineering、Embedding、Incontext learning、RAG等。