字节跳动推荐算法实习生-广告业务
任职要求
1、2026届硕士及以上学位在读，计算机相关专业； 2、良好的数据结构、数理统计和概率论等基础；优秀的编码能力，熟练掌握Python/C++/Go更佳； 3、扎实的机器学习/深度学习理论…
工作职责
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：Data-中国交易与广告，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 1、熟悉推荐中召回、粗排、精排、混排各个阶段模型和策略的改进，优化客户体验； 2、利用业界先进的手段，持续优化深度转化模型，提升LTV、付费率、留存率的预估准确度； 3、熟悉广告中定向、出价、机制等多个阶段的模型和策略的改进，优化客户体验的同时，提升商业变现效率。
【职位前言】 DeepSeek-R1的发布给世界带来了不小的震撼，更令人敬佩的是，无论是赶超OpenAI o1的模型效果，还是节省百万美元成本的工程优化，这背后的原理与实现都在官方发布的技术报告和开源项目中一一公开。 大语言模型的前沿研究将不再只是少数巨头才玩得起的项目，更多的研究者可以入局这场对人工智能探索的新征程。 如果您对模型背后的工程优化充满好奇（FP8混合精度训练、分布式专家并行等），想深入了解并上手实践，但又没有合适的计算资源与明确的优化目标，又对模型 post-training（GRPO强化学习、模型蒸馏等等）跃跃欲试，但又没有明确的应用场景和数据资源—— 那不妨来网易云音乐，和我们搭上这趟时代的列车，一起拆解硬核技术，聚焦于音乐业务中的搜索、推荐、广告场景，探索大模型的应用落地与高效部署。 【职位描述】 1、参与大模型在后训练和推理工程中的性能优化，结合底层硬件特性从混合精度训练、矩阵计算加速、注意力机制计算优化、GPU分布式并行等方面提升工程效率； 2、通过强化学习、模型蒸馏等方式，构建音乐领域具有 CoT 推理能力的大语言模型，应用于搜索、推荐、广告等业务场景。 【我们拥有】 1、音乐行业内海量用户独一无二的数据资源； 2、贴近实际的业务场景，让 idea 落地并发挥价值； 3、可观的计算资源，性能上还有极大的空间待与你一同挖掘； 4、鼓励创新探索、倡导悉心钻研、宽松融洽多元的团队氛围； 5、成果转换的支持，合作完成项目及论文，助力未来的职业发展。
本课题的研究目标是打造行业领先的多语言能力强化的大语言模型，结合业务海量的多语言互译语料，以及平台生活化特色的笔记评论数据，利用数据合成、RL冷启训练、SFT和RLHF等技术，实现： 1、在小红书多语言大模型翻译场景取得领先效果； 2、多语言场景下，AI搜索的检索和生成技术。
团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎有能力、有热情的同学一起，共同探索生成式推荐和多模态大模型在真实业务场景的价值。
工作职责： 1、协助负责推荐技术落地，完成个性化推荐模型、分发策略、用户理解、内容理解等方向突破； 2、负责社区业务推进，将业务问题进行技术抽象，系统性优化海量用户体验； 3、协助研发新的推荐策略和算法，并不断优化效果和性能；