logo of bytedance

字节跳动算法工程师-AI个性化和搜索推荐

社招全职A161843地点:深圳状态:招聘

任职要求


1、良好的设计和编码风格,热爱写代码,能产出高质量的设计和代码;
2、出色的分析问题、解决问题能力,能从纷繁复杂的数据中看出问题本质;
3、熟悉和精通NLU、召回或排序其中一种算法策略;了解最新的LLM技术,有训练或应用经验加分;
4、有主流大规模搜索、推荐、LLM系统的算法研发经验加分,有Golang经验加分;
5、责任心强,积极主动,有良好的沟通能力和团队合作能力。

工作职责


1、负责 Memory 算法工作,推动最前沿技术的探索和应用;
2、提升自然语言理解的能力,比如意图识别,NL2SQL,向量召回,结构化/非结构化,短文本/长文本的表征学习等;
3、提升排序模型效果,挖掘特征,升级模型结构,优化信息查找效率;
4、结合最前沿的LLM技术,对用户行为进行总结、理解、画像等探索。
包括英文材料
算法+
大模型+
Go+
相关职位

logo of bytedance
社招A257210

1、负责 Memory 算法工作,推动最前沿技术的探索和应用; 2、提升自然语言理解的能力,比如意图识别,NL2SQL,向量召回,结构化/非结构化,短文本/长文本的表征学习等; 3、提升排序模型效果,挖掘特征,升级模型结构,优化信息查找效率; 4、结合最前沿的LLM技术,对用户行为进行总结、理解、画像等探索。

更新于 2023-11-29
logo of quark
校招智能信息秋季20

阿里巴巴智能信息事业群,聚焦AI在信息服务赛道的创新应用,从工具到服务,持续为用户提供高效、智能的AI应用。智能信息事业群核心产品为夸克、通义、UC浏览器、书旗小说、超级汇川等,以多产品矩阵,覆盖横跨各年龄段的7亿+用户人群,服务超10万+客户。 1、参与并负责核心内容场景的各类算法,包括AI个性化推荐系统、内容生态构建、内容理解等核心算法能力; 2、深度参与内容分发算法设计,提升流量匹配的效率和用户粘性; 3、建设包括AGENT、RAG、召回、粗排、精排、重排、混排等搜索和推荐模块,打造集团和业界一流的内容算法; 4、参与设计多模态内容理解和推荐分发系统,推动解决内容的一致性和标准化问题。

更新于 2025-08-13
logo of bytedance
校招A233909

团队介绍:字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用前沿的机器学习技术进行端到端建模并不断创新突破,同时专注于分布式系统、机器学习系统的构建和性能优化,从内存、Disk等优化到索引压缩、召回、排序等算法的探索,充分给同学们提供成长自我的机会。 主要工作方向包括: 1、探索前沿的NLP技术:从基础的分词、NER,文本、多模态预训练,到业务上的Query分析、基础相关性等,全链路应用深度学习模型,每个细节都充满挑战; 2、跨模态匹配技术:在搜索中应用CV+NLP深度学习技术,实现多模态视频搜索强大的语义理解和检索能力; 3、大规模流式机器学习技术:应用大规模机器学习,解决搜索中的推荐问题,让搜索更加个性化更加懂你; 4、千亿级数据规模的架构:从大规模离线计算,分布式系统的性能、调度优化,到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新; 5、推荐技术:基于超大规模机器学习技术,构建业界领先的搜索推荐系统,对搜索推荐技术进行探索和创新。 1、探索大模型和搜索结合的创新技术:随着大模型技术的快速发展,智能搜索领域迎来了新的机遇和挑战,传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时,逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题,基于大模型的智能搜索构建旨在通过引入大模型技术,提升搜索系统的智能化水平,优化用户体验,并解决超大规模检索、复杂语义理解、资源高效利用等核心问题,具体目标包括:探索大模型与排序算法的结合,提升个性化排序的精度和用户体验;研究生成式检索算法,解决百亿乃至千亿级别候选库的超大规模检索问题;利用大语言模型(LLM)提升复杂多义Query的搜索满意度; 2、排序、个性化能力提升:传统排序算法难以充分利用多模态信息(如文本、图像、视频等),且模型复杂度有限,无法满足用户对精准化和个性化搜索的需求; 3、检索、相关性能力提升:传统判别式模型在千亿级别候选库的检索中,面临模型容量不足、索引效率低下等问题,亟需新一代检索算法; 4、复杂Query理解:用户搜索需求日益复杂,传统搜索引擎难以准确理解长难句、多义Query的语义,导致搜索结果满意度低; 5、资源利用率:搜索系统存储和计算分离的架构导致资源利用率低,如何在保证性能的同时优化资源使用成为关键问题。

更新于 2025-07-22
logo of alibaba
社招3年以上

1. 大模型训练与对齐: 负责训练和优化应用于电商领域的Agent模型,通过SFT、RLHF、DPO等前沿技术对模型进行微调与对齐,不断提升模型在复杂场景下的意图理解与任务执行能力。 2.用户意图深度推理: 构建并应用多模态深度学习模型,深入分析用户的行为序列、上下文信息及生意模式,动态生成精准的用户画像与意图预测,为个性化搜索和推荐提供核心洞察。 3.智能商品理解与表征: 利用大模型(LLM/VLM)重构商品信息,深入挖掘商品内容、市场趋势与上下游关系,构建新一代的商品向量化表征,显著提升新品冷启动和成长效率。 4. 生成式搜索与推荐算法研究: 探索并落地基于生成式AI的全新搜索推荐范式,如GenRank、Agent-based Retrieval等,从0到1打造颠覆性的产品体验,解决传统搜索未能满足的长尾和复杂需求。

更新于 2025-08-28