字节跳动大模型应用算法工程师（智能推荐方向）-Data

团队介绍：Data-抖音团队，负责抖音APP的推荐算法、内容算法、对话算法及大数据工作，对接各场景业务（短视频，直播，图文，电商，社交，生态，投稿，消息，同城，生活服务，音乐，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、复杂约束的优化问题的解决、内容理解、LLM应用以及新业务方向探索、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型等技术支持抖音的数字人、智能客服、AI工具等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也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。 抖音作为全球领先的综合性内容平台，拥有庞大的用户群体和多元化的业务生态。在设计如此大规模的推荐系统时，面临社交网络复杂、电商用户兴趣跨域迁移困难、内容与用户冷启动样本稀疏、直播推荐多目标融合效能不足、兴趣重复密集探索不足等多重挑战。 具体表现为：用户社交网络规模达万亿级，传统图算法难以高效地建模动态社交行为与内容消费的耦合关系；用户从内容兴趣到电商兴趣的迁移依赖跨域多模态理解与动态映射，现有方法难以捕捉潜在电商转化信号；新内容和新低活用户冷启动阶段样本量少，传统协同过滤与内容推荐方法泛化能力弱；直播推荐需实时融合点击、互动、消费等多目标信号，但启发式规则难以平衡用户长期体验与短期价值；兴趣密集追打问题严重，新兴趣探索效率不高。 1、社交网络增强的跨域兴趣建模：结合图神经网络（GNN）与大语言模型（LLM），构建用户全生命周期行为图谱，融合社交关系、内容互动与电商行为，挖掘社交网络中的社团结构与跨域兴趣传播路径； 2、兴趣迁移与转化信号捕捉：通过跨域对比学习与对抗生成技术，构建内容兴趣到电商兴趣的隐式映射网络，结合强化学习动态调控探索与利用，兼顾推荐精准性与多样性； 3、多模态小样本冷启动优化：利用LLM的Few-shot推理能力，通过内容语义理解与外部知识增强，设计元学习框架实现新ID特征与泛化特征的联合表征，缓解冷启动数据稀疏问题； 4、多目标融合与长短期价值平衡：基于大模型的泛化能力与长上下文感知，统一建模直播多目标（点击、时长、打赏等）的分布偏差与动态权重，设计个性化融合策略，替代传统多阶段漏斗架构，提升实时推荐效率； 5、兴趣密集与兴趣探索：通过用户兴趣画像建模与强化学习技术，实时捕捉用户消费与兴趣变化，缓解兴趣密集问题，为用户探索新的兴趣。

团队介绍：Data-电商-智能客服团队负责抖音电商场景下的智能对话与问答技术的创新和研究工作，致力于打造客服领域内领先的智能对话机器人，帮助平台和商家高效、准确地解决用户问题提升用户体验，降低平台/商家运维成本，不断提升业务效果。主要工作方向包括： 1、围绕着电商客服这一应用场景，开展前沿算法研发，包括但不限于NLP，推荐预测，多模态等技术方向，同时重点跟进和探索LLM的实现与应用； 2、构建客服领域领先的智能对话机器人，与用户通过对话交互的形式来解决用户关于电商场景下的各类问题，使用包括但不限于意图理解、文本匹配、对话管理、文本挖掘、话术/文案生成等NLP技术，基于召回+排序的猜你想问、输入联想等推荐预测技术，以及图文内容识别与推荐等； 3、构建面向人工客服的智能辅助系统，协助客服更高效、准确地解决用户问题，包括方案/话术推荐与补全、智能摘要、答案润色等； 4、探索大模型技术在智能客服领域的落地，利用LLM构建新一代的生成式对话机器人与辅助系统，通过预训练、微调、强化学习等全链路的技术实践，实现对标人类客服的理解、生成、执行能力。

团队介绍：Data-电商-智能客服团队负责抖音电商场景下的智能对话与问答技术的创新和研究工作，致力于打造客服领域内领先的智能对话机器人，帮助平台和商家高效、准确地解决用户问题提升用户体验，降低平台/商家运维成本，不断提升业务效果。主要工作方向包括： 1、围绕着电商客服这一应用场景，开展前沿算法研发，包括但不限于NLP，推荐预测，多模态等技术方向，同时重点跟进和探索LLM的实现与应用； 2、构建客服领域领先的智能对话机器人，与用户通过对话交互的形式来解决用户关于电商场景下的各类问题，使用包括但不限于意图理解、文本匹配、对话管理、文本挖掘、话术/文案生成等NLP技术，基于召回+排序的猜你想问、输入联想等推荐预测技术，以及图文内容识别与推荐等； 3、构建面向人工客服的智能辅助系统，协助客服更高效、准确地解决用户问题，包括方案/话术推荐与补全、智能摘要、答案润色等； 4、探索大模型技术在智能客服领域的落地，利用LLM构建新一代的生成式对话机器人与辅助系统，通过预训练、微调、强化学习等全链路的技术实践，实现对标人类客服的理解、生成、执行能力。

1、为全球企业级客户提供高效的算法服务，包括但不限于传统搜推广、大模型技术与搜推结合以及大模型应用产品； 2、理解不同行业的客户场景和需求，落地相应的算法解决方案，包括但不限于电商/内容推荐、基于大模型技术的搜索方案以及知识库问答等LLM上层应用； 3、探索大模型相关方向的前沿技术，推进相关技术在业务场景的落地，包括但不限于长序列建模/多模态/RAG/智能体； 4、与产品研发团队协作建设平台产品，在多云环境下为全球范围内的客户提供算法解决方案，包括但不限于智能推荐平台和大模型搜推平台。