字节跳动推荐算法工程师-本地生活-筋斗云人才计划 （北京/上海）
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PAMI/CVPR/NeurIPS/ICCV等顶级期刊会议上发表论文者优先； 向标准组织提出过提案并参加标准会议经验的同学优先； 4、具有扎实的机器学习基础，对深度学习、大模型、知识图谱等技术有深入的理解； 5、出色的问题分析和解决能力，有自主探索解决方案的能力； 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
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。 课题背景/目标： 用户在抖音App上对于生活服务类内容兴趣的的表达，多数和对应的时间、空间位置相关，例如餐饮消费，需要考虑当前时间、餐厅距离等时空因素。这类生活服务相关的兴趣表达，往往是相对较稀疏的。对用户更精准的生活服务相关的时空兴趣的学习，更有利于相关内容精准的分发，也更有利于生活服务相关的交易转化，在抖音的内容分发场景下，更好的支持更多样的商家经营。 课题挑战/必要性： 用户生活服务相关的行为相比于抖音整体的用户互动行为更加稀疏，且有噪音。用户在时间、空间上的兴趣在动态变化。用户行为跨越多种内容体裁，短视频、直播、图文、卡片等等。用户的时空兴趣和对应的生活服务品类相关性较强，同时生服品类间差异较大。如何在抖音基于互动行为建模的推荐系统主体中，更好的体现用户的时空兴趣，是一个充满挑战的课题。 课题内容： 在海量的抖音用户行为数据中，利用大模型相关技术更好的捕捉用户时空兴趣，包括但不限于：1.将用户行为与世界知识结合，对用户稀疏行为更好的建模；2.利用多模态建模，打通多体裁多品类并从中抽取用户时空兴趣；3.通过极致的性能技术优化，做好实时动态建模，将大模型应用于线上生成环境。 涉及研究方向： 大模型、深度学习、知识图谱、内容理解
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。
1、参与亿级用户规模的视频推荐优化，提升快手本地生活业务流量效率； 2、深入理解业务以及快手推荐系统，寻找短期、长期不同视角下的业务增长空间，不断完善推荐系统； 3、探索和研究最前沿的技术，结合实际应用场景，产出有效的业界领先的技术解决方案； 4、这里有众多行业极具影响力的技术人和你碰撞思维，讨论有趣的技术业务问题； 5、这里有和技术深度结合且极大规模、富有社会价值的业务场景，为你提供广袤的创新空间； 6、这里有丰富的数据和海量计算资源，期待你的发挥，创造更多的价值。
1、负责国际化短视频生活服务推荐算法，共同搭建业界领先的推荐系统； 2、深刻理解短视频/直播/地理位置/商品等推荐相关的机器学习/深度学习算法，优化模型/策略，持续提升推荐效果； 3、深入理解生活服务业务，从到店、外卖、酒旅等业务特性中挖掘算法亮点； 4、深入理解用户行为，结合数据挖掘等技术，优化用户创作和浏览等体验。