字节跳动算法实习生-用户增长（User Growth）
任职要求
1、2026届本科及以上学历在读，计算机相关专业优先； 2、具有扎实的机器学习基础，在Diffusion Model、GAN、VAE、图像及视频生成/编辑、多模态内容理解等至少一个领域有开发经验的优先；在NLP方向：熟悉文本理解、生成等NLP算法，有GPT类模型优化及应用的实践经验优先；数理功底扎实，自学能力强； 3、工程能力强，熟练掌握Python/C++语言，有成功的项目经验；熟悉常见的机器学习和深度学习算法，熟练使用至少一种深度学习框架，如PyTorch、TensorFlow、MXNet等； 4、优秀的理解沟通能力，能快速理解业务背景，对数据敏感，崇尚数据说话，深信数据在驱动业务、支撑决策上的价值； 5、专业领域有以下任意即可： 1）图像生成领域掌握基本原理并有相关实践：StableDiffusion，Stable Video Diffusion，Lora，GAN，3D视觉等相关技术，能够综合运用各类算法实现特定功能； 2）多模态内容理解：了解文本，图像，视频的多模态表征方式，在模态对齐，模态融合，预训练等方向有深刻理解，在VQA，视频搜索，Video Caption等方向有过实践经验； 3）大语言模型：了解大模型预训练技术和NLP生成任务，对LLM的SFT，RLHF等技术方向有过实践，用于广告文案等文本内容生成和改写； 4）广告投放：素材优选和投放效果预估，投前素材的召回，粗排，精排等广告投放相关任务。
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：字节跳动用户增长（User Growth）负责抖音、今日头条、番茄小说、剪映等多个产品的用户增长业务，建立行业领先的增长和营销技术，打造极致的用户体验。加入我们，有机会参与亿级用户场景的开发与架构工作，也有机会从数据出发，利用策略和模型为业务带来更大的助力。 1、负责字节跳动产品的智能广告创意，为抖音、今日头条、番茄小说、西瓜视频等产品实现用户增长的目标；探索应用DiffusionModel，GPT，CV/NLP在营销场景/短视频/小说领域实现对广告文案、视频、图片等素材进行内容理解并高质量生成投放竞争力素材； 2、自动化素材生产平台的算法能力优化，拆解起量创意进行创意洞察，视频智能剪辑，内容优选，并以数据驱动的方式，优化素材投前、投中环节的效果； 3、调研业界创意、多模态及Generative AI方向最新技术，落地应用并提升广告创意理解、自动生成和优化等场景的效果。
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：字节跳动用户增长（User Growth）负责抖音、今日头条、番茄小说、剪映等多个产品的用户增长业务，建立行业领先的增长和营销技术，打造极致的用户体验。加入我们，有机会参与亿级用户场景的开发与架构工作，也有机会从数据出发，利用策略和模型为业务带来更大的助力。 1、参与亿级规模的中国区电商的个性化营销算法优化，主要包括补贴策略、电商投放、长期价值建模等优化工作，支持整体的电商拉新、召回以及促购的个性化营销； 2、研究应用Causal Inference，Uplift Modeling，Reinforcement Learning，LLM及Agent等前沿技术，为产品提供个性化数值策略，优化用户复购等核心指标； 3、参与电商营销平台、策略引擎的优化研究并构建通用营销Agent实现智能自动化营销； 4、走在电商营销行业的前沿，进行模型和算法的创新，打造业界领先的营销算法体系和补贴系统。
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：字节跳动用户增长（User Growth）负责抖音、今日头条、番茄小说、剪映等多个产品的用户增长业务，建立行业领先的增长和营销技术，打造极致的用户体验。加入我们，有机会参与亿级用户场景的开发与架构工作，也有机会从数据出发，利用策略和模型为业务带来更大的助力。 1、通过数据分析和数据挖掘，深入理解字节跳动业务，定位字节跳动各产品的潜在增长点； 2、利用机器学习等技术手段，为字节跳动各产品提供增长算法策略支持，包括今日头条极速版、抖音极速版、番茄小说/畅听等红包产品的个性化数值算法，优化用户留存、净利润等核心指标。
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：字节跳动用户增长（User Growth）负责抖音、今日头条、番茄小说、剪映等多个产品的用户增长业务，建立行业领先的增长和营销技术，打造极致的用户体验。加入我们，有机会参与亿级用户场景的开发与架构工作，也有机会从数据出发，利用策略和模型为业务带来更大的助力。 1、通过数据分析和数据挖掘，深入理解字节跳动业务，定位字节跳动各产品的潜在增长点； 2、利用机器学习等技术手段，为字节跳动各产品提供增长算法策略支持，包括今日头条极速版、抖音极速版、番茄小说/畅听等红包产品的个性化数值算法，优化用户留存、净利润等核心指标。
团队介绍：字节跳动用户增长（User Growth）负责抖音、今日头条、番茄小说、剪映等多个产品的用户增长业务，建立行业领先的增长和营销技术，打造极致的用户体验。加入我们，有机会参与亿级用户场景的开发与架构工作，也有机会从数据出发，利用策略和模型为业务带来更大的助力。 课题背景： 在用户增长、激励广告和广告投放的商业场景，精准的决策至关重要。随着业务的发展，传统先预测再决策决策的方式难以适应复杂多变的环境。基于RL的在线因果推断及决策技术应运而生。在这些场景中，需要深入理解不同操作与结果之间的因果关系，从而做出最优决策。例如在用户增长中，要明确何种激励措施能最大程度推动增长；在广告投放中，要知道怎样的投放策略能带来最佳效果。然而，目前在在线场景下，因果预测模型的效果提升面临瓶颈，同时激励探索成本和决策收益的平衡也难以把握，提升基于因果推断的决策能力是推动增长的重要手段。 课题挑战： 1、平均处理效应ATE较小。线上平均处理效应（ATE）小意味着在实际线上环境中，因果关系的影响幅度微弱。这使得准确捕捉因果关系变得极为困难，模型难以从这种微弱的关系中学习到有效的因果模式，对基于RL的因果推断技术的敏感度和精度要求极高。 2、预测指标周期长，收益难以归因到一次激励决策。这导致在评估因果关系时，很难确定是哪一次激励决策产生了何种影响。长周期使得数据的关联性变得模糊，干扰了因果推断模型的构建，也不利于RL算法根据准确的因果关系进行决策优化。 3、线上观测数据波动大。线上观测数据波动较大，增加了数据的不确定性。这种波动可能掩盖真实的因果关系，使因果推断模型难以稳定地学习到有效的模式。同时，波动的观测数据也会影响运筹决策，导致决策的准确性和可靠性下降。 1、负责开发新一代的大规模因果模型，通过算法和工程优化，实现训练数据及干预决策在数量级上的提升；联合多场景的因果模型，松弛单场景约束，获取更优的决策和业务收益； 2、负责开发新一代的大规模运筹优化算法，与算法工程同学深度合作，提供灵活、鲁棒且高效的分布式运筹规划系统； 3、引入前沿的因果建模和强化学习技术，探索基于强化学习的世界模型仿真和一体化的因果决策算法，在探索和利用上获得更优的平衡，达成更好的成本效率。