字节跳动推荐算法工程师（多模态生成式推荐方向）-抖音内容理解
任职要求
1、计算机/软件/人工智能/数学等相关专业的优先； 2、熟悉主流推荐算法（如协同过滤、基于内容的推荐、矩阵分解、强化学习推荐等），具备推荐系统架构设计与优化经验，对推荐算法的召回、排序、重排等核心模块有深入理解； 3、具有扎实的机器学习基础，对深度学习、大语言模型、多模态模型、生成式模型等内容理解与生成技术有深入的理解，数理功底扎实，自学能力强； 4…
工作职责
1、多模态内容理解与应用：构建视频/直播多模态表征体系，融合视觉、音频、文本特征实现多层级语义刻画，优化标签体系与用户兴趣画像，提升内容与用户兴趣匹配精度，解决冷启动问题； 2、推荐系统全链路优化：参与召回、粗排、精排、混排全链路算法设计，针对直播/短视频场景需求优化推荐效果；搭建离线评估体系，确保离线指标与线上业务目标对齐； 3、前沿技术落地探索：推动生成式推荐在短视频/直播场景落地，结合大模型探索创新推荐范式；解析模型评测数据，完成算法工程化落地，协同产品、工程团队提升推荐全链路价值。
【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。
-负责落地LLM在内容理解场景中的应用，负责文本内容理解与审核场景端到端效果优化与提升 -重点研究以小尺寸大语言模型相关的技术，包括但不限于数据建设、指令微调、模型优化、模型蒸馏等 -提升数据构建合成、模型推理等能力；构建大小模型融合的推理系统，提升模型在理解与审核场景中的效果 -持续探索跟进学术与业界前沿进展，探索包括但不限于CoT、RAG、强化学习微调等能力并落地
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智能创作团队是为TikTok业务提供AI，特效，音视频创作技术能力，涵盖了计算机视觉、图形学、拍摄编辑、特效、客户端、服务端工程等技术领域，并以多种形式向抖音提提供业界前沿的内容理解、内容创作、互动体验与消费的能力和行业解决方案。 1、负责智能创作业务的质量体系建设，能够结合业务发展和挑战，质量风险进行针对性治理，能够敏锐识别Top质量风险和效率瓶颈，研究有效解决方案并推动落地； 2、对业务和系统架构细节逻辑掌握清晰，实际参与部分项目的测试执行，并深入掌握整体项目流程规范、测试技术以及相关平台和工具，能够指导团队新成员快速上手； 3、负责项目全生命周期全过程的质量管理，包括质保方案和策略的制定、预案、风险识别、规避、项目流程标准化、准入准出质量标准管控、缺陷管理、复盘等； 4、负责团队招聘、目标设定、团队成员辅导等工作，能够与合作方深入配合，建立良好的合作关系和较强的信任感。
