字节跳动推荐大模型算法工程师-国际电商
任职要求
1、扎实的机器学习、深度学习或信息检索理论基础； 2、熟练掌握Python，精通主流深度学习框架（如PyTorch）； 3、对推荐系统智能化充满热情，具备自我驱动的科研精神。 加分项： 1、有大规模推荐系统研发或大模型训练经验，并在某…
工作职责
1、构建跨场景共享的推荐基础模型（Foundation Model），实现统一建模与高效推理； 2、推进事件序列驱动的生成式推荐范式，融合多模态理解与生成能力； 3、推动LLM技术在召回、排序、重混排环节的落地，参与模型训练、推理优化与系统Co-design； 4、探索LLM/VLM与推荐系统融合的创新路径，构建自适应、可演化的推荐智能体； 5、研究平衡性能与体验的端到端生成式推荐与系统优化方案。
1、构建跨场景共享的推荐基础模型（Foundation Model），实现统一建模与高效推理； 2、推进事件序列驱动的生成式推荐范式，融合多模态理解与生成能力； 3、推动LLM技术在召回、排序、重混排环节的落地，参与模型训练、推理优化与系统设计； 4、探索LLM、VLM与推荐系统融合的创新路径，构建自适应、可演化的推荐智能体； 5、研究平衡性能与体验的端到端生成式推荐与系统优化方案。
1、构建跨场景共享的推荐基础模型（Foundation Model），实现统一建模与高效推理； 2、推进事件序列驱动的生成式推荐范式，融合多模态理解与生成能力； 3、推动LLM技术在召回、排序、重混排环节的落地，参与模型训练、推理优化与系统； 4、探索LLM/VLM与推荐系统融合的创新路径，构建自适应、可演化的推荐智能体； 5、研究平衡性能与体验的端到端生成式推荐与系统优化方案。
【愿景】 美团推荐系统日均处理数十亿次请求，是国内规模最大、场景最复杂的本地生活推荐引擎之一。当 Scaling Law 在语言模型上的成功已被充分验证，推荐系统正站在同等量级的范式跃迁临界点——我们已经落地了MTGR等具有影响力的推荐大模型成果；我们正在做的，是让推荐系统进一步进化，构建下一代生成式Agentic推荐系统。 【你将参与】 1.生成式推荐建模：探索具有 Scale Up 属性的端到端生成式推荐架构，突破传统判别式模型的效果天花板，对用户行为序列进行深度建模，全方位挖掘用户兴趣。 2.算法与工程协同：通过算法与系统的协同设计显著提升推荐链路 MFU 水平，解决大参数量模型在毫秒级在线服务下的效果-性能平衡难题。 3.Agentic Recommendation：打破传统协同过滤的被动匹配局限，设计具备领域专家经验、推理能力与主动规划能力的推荐 Agent，探索意图理解驱动的下一代推荐范式。 4.多模态内容理解：融合文本、图像、用户行为等多模态信号，构建统一表征体系，支撑跨业务线的个性化推荐能力复用。
1.负责视频号短剧业务的建设与优化，如短剧推荐的算法迭代； 2.负责策略、混排、精排、粗排、召回等链路优化； 3.通过数据分析追踪效果，推动整体效果的优化。