字节跳动国际化电商-新加坡联盟运营

Team Introduction Our E-commerce is a content-driven commerce business built on globally-oriented short video platforms. Our mission is to become the go-to platform for users to discover and access high-quality products at great prices. Through multiple scenarios such as livestream e-commerce and video e-commerce, we aim to deliver a more personalized, proactive, and efficient shopping experience for users, while offering merchants a reliable platform to grow their business. We are committed to making great-value products easy to sell and easy to find across more regions, bringing a better life within reach for everyone. We invite you to grow with us, explore, innovate, and unlock your full potential as we tackle both technical and business challenges together. Our team brings rich experience in international product development, embraces diverse cultures, and operates R&D teams across the globe. Join us in facing the exciting challenges of cross-border collaboration, with opportunities for business travel and international assignments waiting for you! Project Introduction: As the world's leading short-video platform, TikTok faces multiple challenges in its recommendation systems, including data sparsity for new users leading to insufficient personalisation, high timeliness requirements for live steaming recommendations, difficulty in maintaining user interest diversity, and complex e-commerce recommendation system chains. Traditional recommendation methods heavily rely on historical behaviour modeling, which struggles with the cold-start problem for new users. Live-streaming recommendations demand real-time responsiveness to rapidly changing content dynamics (e.g., host interactions, traffic fluctuations) within extremely short time windows (typically within 30 minutes) posing higher demands on the system's real-time perception and decision-making capabilities. Additionally, the immersive single-feed format amplifies the challenge of maintaining content diversity, requiring a careful balance between multi-interest learning and the risk of content drift caused by exploratory recommendations. The current e-commerce recommendation system follows a multi-stage funnel architecture (recall–ranking–re-ranking), which often leads to inconsistent chains, high maintenance costs, and an overreliance on short-term value prediction. This leads users to fall into content homogenization fatigue. To address these pain points, this project proposes leveraging large language models (LLMs) and large model technologies to achieve significant breakthroughs. On one hand, LLMs—with their vast knowledge base and few-shot reasoning capabilities—can infer new users' potential intentions from registration data and external knowledge, thereby alleviating cold-start issues. On the other hand, by integrating graph neural networks (GNNs) and full-lifecycle user behavior sequences for modeling social preferences, we aim to improve the accuracy of interest prediction. Additionally, the project explores the generalization capabilities, long-context awareness, and end-to-end modeling strengths of large models to simplify the e-commerce recommendation chains, enhance adaptability to real-time changes, and improve exploratory recommendation effectiveness. The ultimate goal is to build a more streamlined system with more accurate recommendations, enhancing user experience and retention while driving sustainable business growth. 团队介绍 ： 国际电商是以国际化短视频产品为载体的内容电商业务，致力于成为用户发现并获取优价好物的首选平台，在直播电商、视频内容电商等多场景下，国际电商业务希望能为用户提供更个性化、更主动、更高效的消费体验，为商家提供稳定可靠的平台服务，在更多的地区实现没有难卖的优价好物，让美好生活触手可得的使命。我们邀请你来此成长、钻研，发掘无限的潜力，一起应对技术和业务上的挑战。目前团队拥有丰富的国际化产品研发经验，包容多元的文化，且在全球设立研发团队，邀请你来一起接受跨国合作的挑战，还有出差外派机会在等你！ 课题介绍： TikTok作为全球领先的短视频平台，面临新用户数据稀疏导致的个性化推荐不足、直播推荐时效性要求高、用户兴趣多样性维护困难以及电商推荐系统链路复杂等多重挑战。传统推荐方法依赖历史行为建模，难以解决新用户冷启动问题，且直播推荐需在极短窗口期内（通常30分钟内）实时捕捉内容动态变化（如主播互动、流量波动），这对系统的实时感知与快速决策能力提出更高要求。此外，单列沉浸式场景放大了多样性问题，需平衡多峰兴趣学习与探索引发的内容穿越风险。当前电商推荐系统采用多阶段漏斗架构（召回-排序-混排），存在链路不一致、维护成本高、过度依赖短期价值预测等问题，导致用户易陷入内容同质化疲劳。 针对上述痛点，项目提出结合大语言模型（LLM）和大模型技术实现突破：一方面利用LLM的海量知识储备与Few-shot推理能力，通过注册信息与外部知识推理新用户潜在意图，缓解冷启动问题；另一方面，在社交偏好建模中融合GNN与用户全生命周期行为序列，提升兴趣预测精准度。同时，探索大模型的泛化能力、长上下文感知及端到端建模优势，简化电商推荐链路，增强实时动态适应性与兴趣探索能力，最终实现系统更简洁、推荐更精准、用户体验与留存双提升的目标，推动业务可持续增长。

日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok LIVE 作为一种新的内容形式，为生态各方创造价值。直播为用户提供独特的内容和消费体验；直播为创作者找到合适的观众，提供最好的工具和一系列盈利模式；通过直播，平台也能从中获得健康、客观的分成收益，直播也是 TikTok 三个主要收入来源之一。 创作者和平台有一种美妙的共生关系，我们帮助创作者创造生计、改变他们的生活；作为平台，我们也可以从中获益、持续发展。我们一直听到这样的故事 —— “LIVE changes my life”。他们更好，我们才会更好。 加入我们，一起探索 “不可能的事”—— 我们是行业的先行者，在一步步改变行业。我们持续让行业了解直播是一种新的内容形式，是创作者可以依赖的商业模式。在几年前，没有人能想象直播会发展成今天的状态。现在，每月都有几百个合作伙伴加入，和我们一起助力创作者。在可见的一年中，我们还会看到电商为直播带来的新变化和发展。 1、协助TikTok直播治理策略运营工作，完成策略落地和目标达成； 2、支持团队关注生态内容风险并进行解决，包括风险识别、规则宣传教育和反馈收集； 3、维护项目相关的各类数据指标，跟进重点项目进度，确保项目顺利进行； 4、负责跨部门沟通与协调，维护和完善协作流程，提升跨部门协作效率； 5、协助部门内的其他日常运营工作。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 1、负责TikTok反自动化防御体系建设，搭建风控防御体系能力，以主动检测和减轻对TikTok产品/平台的自动化滥用； 2、为团队设计业务度量体系和目标，建立风险感知、评估跟踪、对抗缓释、度量监控的产品体系，推进PM、RD、MLE、DS等团队提升整体风险对抗的效率及风控目标达成； 3、为反自动化治理效果负责，推动反自动化相关产品（SDK、Captcha、URL Security等）迭代规划和项目实施； 4、进行行业前沿研究，跟踪黑灰产的技术演进，洞悉前沿技术创新的动态，结合TikTok的业务领导行业最佳实践方案实施，推动风险管理防御提升的升级。

ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：国际商业化产品与技术团队支持字节跳动国际产品的广告产品与变现技术。我们负责end2end的大型广告系统建设，为客户提供商业推广方式与方案。我们的团队遍布北京、上海、美国、新加坡等地，在这里你将有机会开阔自己的国际化视野，接触到全球领先的商业产品架构、模型和算法，并有机会参与并推动互联网广告行业的创新和变革。 1、负责Foundation model和Generative AI的基础能力建设，追踪业界文本生成/翻译、图生文、Deepfake等方向的最新技术，极致优化预训练、微调、领域知识注入、RLHF、RM、AI Safety等能力； 2、将AIGC相关技术在广告、电商、短视频、直播等商业产品的内容理解上落地，构建新一代基于大模型的商业化生态； 3、从事强化学习与大语言模型智能体（LLM-based Agent）相结合的交叉研究与应用落地； 4、探索大模型高效训练/推理方案。