字节跳动大模型算法工程师--电商业务
任职要求
1、扎实的机器技术基础，了解前沿的AI技术，发表过高水平学术会议论文或者有竞赛经验者优先； 2、熟悉大数据相关框架和应用 MR/Spark 等优先； 3、熟悉TensorFlow/PyTorch模型的训练和部署，了解混合精度训练、分布式训练等训练加速方法优先； 4、了解模型压缩&推理加速的研究和技术进展，包括但不限于模型量化、剪枝、蒸馏、TensorRT推理优化等； 5、熟悉以下任一方向的技术： 1）CV&多模态 -在多媒体和计算机视觉某个领域有较深入的研究，包括但不限于：图像搜索、图像/视频分类和识别、图像分割、目标检测、OCR、图神经网络、多模态、无监督和自监督学习等； - 有CV/多模态大模型相关项目经验优先，研发&优化电商视频&商品多模态大模型，结合LLM和视频/商品表征，支持视频多模态分类，视频…
工作职责
团队介绍：Data-电商-平台治理-内容理解基础算法团队，主要 focus 在 NLP/CV/多模态的大模型算法和基础算法研发上，旨在沉淀CV/NLP/多模态方向上的业界SOTA模型，同时也需要在这几个方向持续深耕，针对电商数据优化算法，提升电商业务效果。 职位描述： 1、大模型算法研发：构建电商领域的大模型LLM底座，融合电商的知识，快速落地电商业务，例如：沉淀电商大模型预训练链路，研发电商NLP大模型，或者研发电商图文或者视频多模态大模型； 2、基础算法研发：持续建设和深耕NLP/CV/多模态基础预训练算法（BERT类算法），例如：沉淀&优化电商场景的预训练模型，包括超长文本/口语文本预训练，电商图片/视频自监督，适配电商商品的多模态表征学习等； 3、梳理&沉淀算法库，抽象算法接口，最大化提高算法/预训练模型的复用率，同时优化数据采集&模型训练&部署&推理的流程，提升研发效率； 4、技术输出：定期分享SOTA模型，赋能电商甚至公司级别的业务BU，沉淀专利和论文。
1、参与亿级用户规模的电商搜索优化，提升电商搜索场景的GMV、购买用户数、点击率、转化率等核心指标，提升用户电商搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、参与搜索推荐机制的顶层设计，结合业务战略，优化电商流量结构和GMV结构，促进电商生态的健康发展。
用户方向 1.通过数据分析构建用户画像，分析用户交易行为及用户旅程，挖掘trade-in, trade-across, trade-up的驱动因素及转化路径； 2.设计因果推断实验（如A/B测试、双重差分法），量化促销活动、定价策略对用户消费、用户增长的影响，评估广告渠道ROI优化投放策略； 3.构建用户分层模型，识别高价值消费人群，输出定向运营策略（如精准发券、商品推荐），制定留存策略； 4.研究用户生命周期内的消费习惯，结合消费者心理学理论，优化“人-货”匹配效率，提升用户ARPU值。
1、驾驭亿级规模核心系统：负责本地零售亿级商品库的顶层架构设计与演进，主导 SPU/CSPU 等基础模型建设，支撑高并发下的搜索、选品及多渠道分发，打造行业领先的商品数据底座。 2、引领前沿的 AI 大模型落地：深度参与AIGC 在商品全生命周期的变革，利用多模态大模型重塑智能发品、自动归类、内容生成及质量质检流程，推动业务从“人工运营”向"智能自治"跃迁。 3、构建数据与智能闭环：携手算法与产品团队，建立“数据 - 模型 - 业务”的高效反馈闭环。通过RAG 知识库、批量推理及自动化实验等前沿技术，持续优化商品数据的准确性与转化效率，赋能零售搜索与智能决策。 4、探索研发新范式与极致性能：在保障系统高可用与极致稳定性的同时，率先探索 Vibe Coding、AI Agent 等新范式在研发流中的落地，提升团队整体效能，解决海量数据下的复杂工程挑战。
业务介绍： 我们是阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增等技术。团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。 岗位描述： 1、负责支持业务迭代：推进来自搜索、推荐、广告、用增各域的产品需求快速落地。 2、负责系统架构设计：负责搜索、推荐、广告引擎的架构设计与优化，支撑多语言场景下的高并发请求处理，满足全球用户低延迟、高可用的服务需求。 3、负责性能调优：针对召回排序、模型训练&推理、特征计算等模块进行工程性能优化（如分布式计算加速、内存管理、GPU资源调度等），提升算法迭代效率。 4、负责工程平台开发：构建算法与工程协同的标准化平台，包括特征实时化平台、在线推理服务框架、AB实验平台等，支持算法快速迭代与业务效果验证。 5、负责大模型工程优化：负责生成式AI技术的工程落地，包含大模型训练、推理加速、多模态内容生成等技术工作。 补充说明：同时也招聘面向25年应届毕业的同学；