字节跳动资深后端研发工程师-抖音电商C端内容生态
任职要求
1、3年工作经验以上，计算机软件等相关专业本科及以上学历优先； 2、精通Golang编程语言，或者有意向转Go，有较好的架构能力和良好代码规范； 3、熟练使用互联网开发常用技术（分布式存储、计算、消息队列等），了解原理或有优化经验更佳，有大规模系统设计和开发经验者优先； 4、学习能力强，具备良好的问题分析和解决能力，对新技术有敏感性并愿意致力于新技术研究； 5、质量意识高，沟通能力强，良好的团队合作精神。
工作职责
1、参与构筑字节系内容电商的基本盘，打造作者的电商经营阵地，让有才艺的人有内容创业的机会，通过直播、图文、短视频、橱窗等带货方式和经营阵地，让优价好物触手可达； 2、参与作者侧经营工具，经营阵地等方向能力建设，打造业界一流的电商作者创作平台以及经营阵地，提升作者经营效率； 3、参与作者成长、内容X货架、内容运营等核心方向攻坚，深入与产运形成协同，搭建具备前瞻性的平台能力，帮助产运完成业务目标，攻克新业务方向。
1、负责抖音直播电商生态的业务迭代，支持主播开播、看播体验和导购、电商直播流量分发等闭环业务的高效迭代； 2、负责抖音直播电商的技术架构演进、容器化建设、性能品质深水区优化、业务迭代效率和质量建设等技术工作； 3、负责抖音电商短视频、异形卡、橱窗等业务的高效高质量迭代； 4、负责抖音短视频、异形卡、橱窗等业务场景的动态化架构优化、品质体验优化、研发效率等技术演进工作； 5、SaaS 化支持直播、短视频、橱窗等业务能力向二方和三方App的电商业务输出； 6、负责内容场景利用AIGC、端智能等技术在电商领域的创新和探索。
1、负责抖音直播电商生态的业务迭代，支持主播开播、看播体验和导购、电商直播流量分发等闭环业务的高效迭代； 2、负责抖音直播电商的技术架构演进、容器化建设、性能品质深水区优化、业务迭代效率和质量建设等技术工作； 3、负责抖音电商短视频、异形卡、橱窗等业务的高效高质量迭代； 4、负责抖音短视频、异形卡、橱窗等业务场景的动态化架构优化、品质体验优化、研发效率等技术演进工作； 5、SaaS 化支持直播、短视频、橱窗等业务能力向二方和三方App的电商业务输出； 6、负责内容场景利用AIGC、端智能等技术在电商领域的创新和探索。
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是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 1、协助TikTok生态策略团队完成对各个生态问题的理解，调研，对接算法团队辅助推进解决方案的落地； 2、对接标注团队，进行延时、准确率、审核队列等维度的优化； 3、协同数据分析师通过数据，反馈等发现问题，并产出合理解决方案。
团队介绍：短视频平台算法团队，负责国际化短视频产品的基础推荐算法，加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地探索，推荐大模型的应用研究等多个学术领域的算法改进以及对多种场景的推荐架构的设计和对产品数据的复杂深入的分析。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以跟来自全球不同国家的团队合作, 感受不同文化的碰撞, 激发认知；可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。 课题介绍： TikTok作为全球领先的短视频平台，面临新用户数据稀疏导致的个性化推荐不足、直播推荐时效性要求高、用户兴趣多样性维护困难以及电商推荐系统链路复杂等多重挑战。传统推荐方法依赖历史行为建模，难以解决新用户冷启动问题，且直播推荐需在极短窗口期内（通常30分钟内）实时捕捉内容动态变化（如主播互动、流量波动），这对系统的实时感知与快速决策能力提出更高要求。此外，单列沉浸式场景放大了多样性问题，需平衡多峰兴趣学习与探索引发的内容穿越风险。当前电商推荐系统采用多阶段漏斗架构（召回-排序-混排），存在链路不一致、维护成本高、过度依赖短期价值预测等问题，导致用户易陷入内容同质化疲劳。 针对上述痛点，项目提出结合大语言模型（LLM）和大模型技术实现突破：一方面利用LLM的海量知识储备与Few-shot推理能力，通过注册信息与外部知识推理新用户潜在意图，缓解冷启动问题；另一方面，在社交偏好建模中融合GNN与用户全生命周期行为序列，提升兴趣预测精准度。同时，探索大模型的泛化能力、长上下文感知及端到端建模优势，简化电商推荐链路，增强实时动态适应性与兴趣探索能力，最终实现系统更简洁、推荐更精准、用户体验与留存双提升的目标，推动业务可持续增长。 1、负责TikTok的业务推荐算法工作，与来自国内外顶级名校、有丰富业界经验的同学合作，共同搭建行业顶尖的推荐系统，为用户提供一流的产品体验； 2、将最前沿的机器学习技术应用到TikTok的场景业务，包括混排/排序/多目标/召回/冷启动/探索/多样性/内容理解等等场景，不断优化用户体验，促进业务发展； 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，结合业务的实际问题来做好技术的探索和研究； 4、和产品、运营团队紧密合作，通过对产品和用户的深入理解和分析，制定算法策略促进短视频生态的长期繁荣发展。