字节跳动大模型算法工程师-生活服务
任职要求
1、优秀的代码能力、数据结构和基础算法功底，熟悉C/C++或Python； 2、熟悉NLP、CV相关的算法和技术，在相关领域有过良好研究记录者优先，熟悉大模型训练、RL算法者优先； 3、有自然语言处理、计算机视觉、视频理解、强化学习等领域的经验者优先； 4、在大模型领域，主导过大影响力的项目或论文者优先；有NLP、CV、视频等相关预训练模型及下游应用者优先； 5、出色的问题分析和解决能力，能深入解决大模型训练和应用存在的问题； 6、良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。
工作职责
1、参与构建抖音生活服务的大模型、多模态、文本理解、图像生成、强化学习等下一代人工智能技术； 2、擅长发现优化大模型的简单、普适的思路，并应用到各个规模的模型中提升效果； 3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作，提高模型质量和适应性； 4、关注和推进相关技术在业务场景的落地，包括但不限于生活服务业务内的智能客服、内容创作、知识图谱、治理审核、Copilot等； 5、深入跟踪调研大模型以及相关方向（包括但不限于NLP/CV/多模态/强化学习）的前沿技术，探索模型在未来生活中的更多使用场景，拓展模型的应用范围。
1、参与构建抖音生活服务的大模型、多模态、文本理解、图像生成、强化学习等下一代人工智能技术； 2、擅长发现优化大模型的简单、普适的思路，并应用到各个规模的模型中提升效果； 3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作，提高模型质量和适应性； 4、关注和推进相关技术在业务场景的落地，包括但不限于生活服务业务内的智能客服、内容创作、知识图谱、治理审核、Copilot等； 5、深入跟踪调研大模型以及相关方向（包括但不限于NLP/CV/多模态/强化学习）的前沿技术，探索模型在未来生活中的更多使用场景，拓展模型的应用范围。
1、参与构建抖音生活服务的大模型、多模态、文本理解、图像生成、强化学习等下一代人工智能技术； 2、擅长发现优化大模型的简单、普适的思路，并应用到各个规模的模型中提升效果； 3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作，提高模型质量和适应性； 4、关注和推进相关技术在业务场景的落地，包括但不限于生活服务业务内的智能客服、内容创作、知识图谱、治理审核、Copilot等； 5、深入跟踪调研大模型以及相关方向（包括但不限于NLP/CV/多模态/强化学习）的前沿技术，探索模型在未来生活中的更多使用场景，拓展模型的应用范围。
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。