字节跳动推荐架构高级工程师

-参与Push业务需求分析，负责召回/排序/特征核心模块的研发，支撑业务高效发展 -基于业务方向，制定架构演进路线。优化现有系统的性能和稳定性，降低技术债务，保障架构先进性 -从业务&技术综合角度思考，利用技术和数据分析等手段，支撑用户增长目标达成 -持续学习和调研先进技术和行业动态，关注竞品发展，以技术先进性驱动业务发展

1、召回、粗排、精排架构，与算法团队合作，设计并实现包括：ANN召回算法架构、GPU召回算法架构等，解决海量候选场景下的广告排序问题。支撑亿级广告候选排序、优化模型分发速度、提升在线的推理性能、探索业内最新算法的工程落地等，助力业务指标增长； 2、预估与策略平台与架构，设计和实现模型部署和资源调度平台，提升模型资源利用率；设计和实现通用的排序策略框架，通过DSL、图化架构、图编译优化、行列存储数据结构等技术，落地高性能、易使用的排序策略框架，提升排序系统的迭代效率和性能； 3、算力调度平台与架构，设计并实现广告投放系统的延迟、降级、限流、算力分配的自动化、一体化平台和架构，提升广告系统的变现效率和系统稳定性； 4、排序业务工程，基于广告业务特点，设计并实现排序业务架构，包括排序近线系统、LLM模型推理框架、AIGC创意生成框架等。

团队介绍：国际化短视频内容生态团队，负责设计、优化国际化短视频的内容分发和作者成长机制，保障国际化短视频社区的健康可持续发展。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、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，探索前沿的技术；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。 1、负责国际化短视频核心的业务推荐算法工作，与来自国内外顶级名校、有丰富业界经验的同学合作，共同搭建行业顶尖的推荐系统，为用户提供一流的产品体验； 2、深入理解业务和机器学习技术，优化模型&策略，持续提升推荐效果； 3、和产品、运营团队紧密合作，通过对产品、用户、创作者的深入理解和分析，制定算法策略促进国际化短视频生态的长期繁荣发展； 4、研究方向包含且不局限于：深度学习、图神经网络、多任务学习、learning to rank、模型压缩和加速、多模态技术等，结合业务的实际问题来做好技术的探索和研究。

团队介绍：推荐架构团队支撑字节跳动旗下多款APP产品，如抖音、今日头条、番茄小说、西瓜视频、剪映等推荐系统架构的设计和开发，保障系统的稳定和高可用，致力于抽象系统通用组件和服务，建设推荐中台、数据中台；关于在线服务，在这里你有机会参与大规模机器学习在线预估框架的研发与优化，也有机会参与模型训练与调度等相关问题的研究与突破，解决系统瓶颈，降低成本开销；如你对大数据感兴趣，在这里也有机会参与通用实时计算系统的开发、构建统一的推荐特征中台，为推荐业务实现先进的消重、计数、特征服务等；我们期待热爱技术的你加入，一起创造更多可能。 1、负责设计和实现面向推荐/广告大模型推理和训练的多层级存储系统，综合利用显存、本地内存、分布式内存/磁盘、远端大容量存储系统（HDFS）等多种介质进行数据的存储和迁移管理，实现近计算缓存+远端大容量存储的一体化分级系统； 2、负责优化推荐大模型KV Cache命中率，从推理框架、流量调度、多级缓存等多个系统维度入手定制化优化策略，和业务方协作完成端到端推理性能加速； 3、负责建设搜广推通用用户行为数据存储，设计和实现离在线EB级别行为数据的统一存储、IO、近端Cache解决方案，支撑EB级别训练和推理数据，提供高可用保障，在离在线混合负载下，高吞吐和低延时能力的分布式存储系统。