字节跳动推荐算法工程师-抖音-筋斗云人才计划（北京/上海/杭州/深圳）
任职要求
1、获得博士学位，人工智能、计算机、数学相关专业优先； 2、优秀的代码能力、数据结构和基础算法功底，熟练C/C++（传统编码方向）或Python（智能编码方向）； 3、智能编码方向要求有扎实的机器学习基础，在TPAMI/CVPR/NeurIPS/ICCV等顶级期刊会议上…
工作职责
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。 课题内容： 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。 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； 5、涉及研究方向：图神经网络（GNN）、大语言模型（LLM）、多模态内容理解、小样本学习与元学习、多目标推荐系统、端到端深度学习。
【岗位概述】 我们正在寻找一位AI驱动大使，负责 50-100 万级成长型 KA 客户的全生命周期管理。你将是中小企业智能化转型的布道者与合伙人——通过客户拓展、商机转化、流失客户赢回，深度推广阿里云 AI 大模型及 GPU 算力产品，为客户配置“AI+云”融合解决方案，推动企业上云与业务智能增长，重新定义上云的价值边界。 【成长与未来】 在这个岗位，你将掌握AI 原生时代的客户经营方法论，成长为既懂业务又懂技术的复合型销售人才，深度参与阿里云 AI 产品的商业化闭环，积累从需求挖掘到方案落地的完整经验。未来，你可向区域 KA 负责人、AI 行业解决方案专家、产品战略等多方向发展——你的成长路径，由你创造的价值决定！ 【工作职责】 1. 负责目标 KA 客户的线下拜访与深度关系建立，运用三图一表等工具梳理客户业务架构、关键干系人，精准挖掘AI 与云融合的潜在项目机会。 2. 制定并执行数据驱动的客户覆盖计划，通过预判客户需求实现从“响应式销售”到“预测式价值共创”的跃迁，确保重点客户获得持续高效的覆盖与服务。 3. 建立并动态维护客户档案，跟踪AI 项目 POC 验证、测试、部署等关键节点，保障客户信息与项目进展的准确性、时效性。 4. 敏锐识别客户云化及 AI 相关核心需求（如智能客服、企业知识库、AIGC 内容生成等场景），转化为有效销售线索，协同解决方案架构师（SA）设计高适配性的“AI+云”技术方案。 5. 主导项目商务全流程，制定针对性商务策略，统筹报价、谈判及签约工作，推动客户完成 AI 产品与云服务的落地。 6. 执行 Winback 专项任务，识别流失至他云或 IDC 的客户，结合AI 产品差异化优势制定赢回策略，协同服务与迁移团队降低客户切换成本，提升回流成功率与满意度。 7. 基于阿里云七大件产品，为客户配置高性价比的“AI+云”融合解决方案，优化客户成本结构的同时保障销售毛利。 8. 对接财务、法务等部门完成合同审批与签约，确保项目合规落地。
【岗位概述】 我们正在寻找一位AI驱动大使，负责 50-100 万级成长型 KA 客户的全生命周期管理。你将是中小企业智能化转型的布道者与合伙人——通过客户拓展、商机转化、流失客户赢回，深度推广阿里云 AI 大模型及 GPU 算力产品，为客户配置“AI+云”融合解决方案，推动企业上云与业务智能增长，重新定义上云的价值边界。 【成长与未来】 在这个岗位，你将掌握AI 原生时代的客户经营方法论，成长为既懂业务又懂技术的复合型销售人才，深度参与阿里云 AI 产品的商业化闭环，积累从需求挖掘到方案落地的完整经验。未来，你可向区域 KA 负责人、AI 行业解决方案专家、产品战略等多方向发展——你的成长路径，由你创造的价值决定！ 【工作职责】 1. 负责目标 KA 客户的线下拜访与深度关系建立，运用三图一表等工具梳理客户业务架构、关键干系人，精准挖掘AI 与云融合的潜在项目机会。 2. 制定并执行数据驱动的客户覆盖计划，通过预判客户需求实现从“响应式销售”到“预测式价值共创”的跃迁，确保重点客户获得持续高效的覆盖与服务。 3. 建立并动态维护客户档案，跟踪AI 项目 POC 验证、测试、部署等关键节点，保障客户信息与项目进展的准确性、时效性。 4. 敏锐识别客户云化及 AI 相关核心需求（如智能客服、企业知识库、AIGC 内容生成等场景），转化为有效销售线索，协同解决方案架构师（SA）设计高适配性的“AI+云”技术方案。 5. 主导项目商务全流程，制定针对性商务策略，统筹报价、谈判及签约工作，推动客户完成 AI 产品与云服务的落地。 6. 执行 Winback 专项任务，识别流失至他云或 IDC 的客户，结合AI 产品差异化优势制定赢回策略，协同服务与迁移团队降低客户切换成本，提升回流成功率与满意度。 7. 基于阿里云七大件产品，为客户配置高性价比的“AI+云”融合解决方案，优化客户成本结构的同时保障销售毛利。 8. 对接财务、法务等部门完成合同审批与签约，确保项目合规落地。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性