字节跳动推荐算法工程师-生活服务
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、计算机视觉、自然语言处理、数据挖掘中一项或多项，对推荐系统、计算广告、搜索引擎、相关领域有经验者优先。
工作职责
1、负责抖音/抖极团购频道的生活服务内容推荐，共同搭建业界领先的推荐系统； 2、深入理解用户行为，运用特征打通、样本打通、迁移学习等方式，在短视频、直播、门店、商品等不同类型的题材上，优化召回、粗排、精排等环节的效果，提升生活服务场景新老用户的推荐效果； 3、研究将业界或者公司内部最新的深度学习技术，包括多任务学习、图神经网络、超长序列建模、训练效率优化等，结合具体推荐场景的实际问题设计技术方案进行优化； 4、同产品团队合作，洞察用户侧的核心体验问题，并深入理解生活服务业务，从到店、外卖、酒旅等业务特性中挖掘算法亮点，从技术视角、技术驱动满足用户需求，提升推荐体验。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：推荐算法是生活服务场景交易增长的核心驱动力，我们希望借鉴LLM的成功思路，结合生活服务场景的时空特点，探索在生活服务场景推荐算法和架构的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1、基于类Transformer结构的生成式推荐大模型技术，验证生活服务推荐场景的Scaling Law，探索面向大模型的推荐算法建模范式； 2、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理的效率； 3、多体裁多模态表征学习和推荐模型结合； 4、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。 1、负责生活服务场景推荐大模型的算法优化，引入生成式AI技术，优化建模方案、模型结构、特征和样本等，提升场景交易效率； 2、验证生活服务场景的推荐大模型Scaling Law，应对大模型训练中的新挑战； 3、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4、多体裁多模态表征学习和推荐大模型结合； 5、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题介绍：推荐算法是生活服务场景交易增长的核心驱动力，我们希望借鉴LLM的成功思路，结合生活服务场景的时空特点，探索在生活服务场景推荐算法和架构的颠覆性创新，解锁更大的算法效果提升空间。 重点探索以下方向： 1、基于类Transformer结构的生成式推荐大模型技术，验证生活服务推荐场景的Scaling Law，探索面向大模型的推荐算法建模范式； 2、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理的效率； 3、多体裁多模态表征学习和推荐模型结合； 4、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。 1、负责生活服务场景推荐大模型的算法优化，引入生成式AI技术，优化建模方案、模型结构、特征和样本等，提升场景交易效率； 2、验证生活服务场景的推荐大模型Scaling Law，应对大模型训练中的新挑战； 3、算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4、多体裁多模态表征学习和推荐大模型结合； 5、结合生活服务场景特有的时空属性，进行时间和空间感知的算法建模。
团队介绍：生活服务业务依托于抖音、抖音极速版等平台，致力于促进用户与本地服务的连接。过去一年，生活服务业务开创了全新的视频种草和交易体验，让更多用户通过抖音发现线下好去处，也帮助众多本地商家拓展了新的经营阵地。我们期待你的加入，一同为亿万用户创造更美好的生活。 课题背景/目标： 用户在抖音App上对于生活服务类内容兴趣的的表达，多数和对应的时间、空间位置相关，例如餐饮消费，需要考虑当前时间、餐厅距离等时空因素。这类生活服务相关的兴趣表达，往往是相对较稀疏的。对用户更精准的生活服务相关的时空兴趣的学习，更有利于相关内容精准的分发，也更有利于生活服务相关的交易转化，在抖音的内容分发场景下，更好的支持更多样的商家经营。 课题挑战/必要性： 用户生活服务相关的行为相比于抖音整体的用户互动行为更加稀疏，且有噪音。用户在时间、空间上的兴趣在动态变化。用户行为跨越多种内容体裁，短视频、直播、图文、卡片等等。用户的时空兴趣和对应的生活服务品类相关性较强，同时生服品类间差异较大。如何在抖音基于互动行为建模的推荐系统主体中，更好的体现用户的时空兴趣，是一个充满挑战的课题。 课题内容： 在海量的抖音用户行为数据中，利用大模型相关技术更好的捕捉用户时空兴趣，包括但不限于：1.将用户行为与世界知识结合，对用户稀疏行为更好的建模；2.利用多模态建模，打通多体裁多品类并从中抽取用户时空兴趣；3.通过极致的性能技术优化，做好实时动态建模，将大模型应用于线上生成环境。 涉及研究方向： 大模型、深度学习、知识图谱、内容理解
1、参与抖音生活服务业务在商家和商品增长、经营、生态相关方向的算法工作； 2、ToB推荐算法：为平台数百万商家做商品、内容、案例等优质供给的推荐，提升平台牵引有效性； 3、GMV数值预估和诊断归因：建模深度回归模型预估ROI/GMV数值，并做反向蒸馏归因的白盒化诊断能力； 4、Uplift增效建模：搭建商家经营任务系统架构并通过Uplift增效建模技术手段实现Action2GMV的预估； 5、经营自动化：结合强化学习、大模型生成能力和Agent能力，建设AI化产品和自动化托管能力。