logo of bytedance

字节跳动多模态大模型算法实习生-抖音电商

实习兼职A66915地点:杭州状态:招聘

任职要求


1、2027届硕士及以上学位在读,计算机相关专业;
2、具有纯文本和多模态大模型NLP/CV深度模型等的训练和应用经验,有电商搜推导购/比价供给/平台治理/内容安全相关经验者优先;
3、具备扎实的代码功底,具备Linux环境研发能力,精通Python和PyT…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


ByteIntern:面向2027届毕业生(2026年9月-2027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:抖音电商算法团队,依托抖音、今日头条、番茄小说、红果短剧等产品,帮助用户发现、讨论并获得好物,享受美好生活;帮助商家高效经营,创建良性商业生态;激励创作并分享购物经验使用心得,构建有真诚有信息的电商内容氛围。在这个团队,我们不仅要通过推荐、广告和搜索算法搭建消费者和商家之间的桥梁,也要通过风控算法和治理算法去甄别违规行为,保护用户的购物体验,保护真正诚信经营的商家;我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率,降低商家的经营成本;我们也要结合机器学习和运筹算法,来优化供应链和物流的效率和成本,并进一步提升用户物流体验;另外我们还会用业界先进的数据科学技术为业务健康发展保驾护航。我们的使命:用算法的能力,让用户总能发现好东西,让美好生活触手可得。

1、深入理解抖音电商正向导购与逆向治理业务,基于大模型、多模态技术,优化商家/达人准入、发品、导购等全场景识别效果,同步探索语言、视频、推荐多模态融合方案,构建更强推荐系统;
2、迭代优化电商多模态大模型,强化其对治理规则、商品信息的理解与推理反思能力,通过业务域SFT、Cot、强化学习等技术,打造高准高召的识别能力,提升导购与治理审核智能化水平;
3、参与挖掘电商直播、短视频、图文等多类实体数据,对大规模网络及海量特征序列建模,支撑商家/商品分类、逆向标签挖掘等场景,助力精准识别潜在购物信号;
4、研究用户多模态交互(视频+直播+文字+行为)的复杂性,搭建统一框架实现内容理解与用户意图推理,高效映射内容消费到电商兴趣,提升人货匹配效率;
5、参与构建大规模图存储与图学习平台,完善商家、商品、达人、内容的关系链路,打造电商实体通用表征能力,赋能多模态业务落地;
6、协助推进电商比价、供给生态等战略支持工作,运用前沿深度学习算法,搭建商家/达人成长预测模型,支撑冷启动、潜爆、智能营销等业务需求。
包括英文材料
学历+
大模型+
NLP+
Linux+
Python+
还有更多 •••
相关职位

logo of kuaishou
社招1-3年J0011

1、参与亿级用户规模的电商推荐优化,提升内容电商观看时长、点击率、转化率、GMV、LTV等核心指标; 2、通过深度学习领域的研发工作,包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统提升预估效果; 3、通过推荐算法机制优化电商流量结构和GMV结构,促进电商生态的健康发展。

更新于 2026-03-31北京
logo of kuaishou
社招1-3年J0011

1、参与亿级用户规模的电商搜索优化,提升电商搜索场景的GMV、购买用户数、点击率、转化率等核心指标,提升用户电商搜索购物体验,促进生态良性发展; 2、参与机器学习与深度学习算法的核心研发工作,对搜索全链路进行建模优化,包括但不限于召回、相关性、粗排、精排、机制等,深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发; 3、针对海量用户行为数据,提供基于分布式计算的算法解决方案,大幅提升算法计算规模和性能; 4、参与搜索推荐机制的顶层设计,结合业务战略,优化电商流量结构和GMV结构,促进电商生态的健康发展。

更新于 2026-03-31北京
logo of kuaishou
社招5-10年J0011

1、参与亿级用户规模的电商推荐优化,提升包括商品推荐(首页猜你喜欢)、内容推荐(直播、短视频)在内的泛货架电商的GMV、订单量、用户留存等核心指标; 2、通过深度学习领域的研发工作,包括但不限于生成式推荐、LLM4Rec、超大规模序列建模、多任务学习、长期价值建模等算法和系统提升预估效果; 3、持续关注前沿技术发展方向,参与推荐系统架构的长期技术演进与技术攻坚; 4、通过推荐算法机制优化电商流量结构和GMV结构,促进电商生态的健康发展。

更新于 2026-03-30北京
logo of kuaishou
社招1-3年J0011

1、参与亿级用户规模的电商推荐优化,提升内容电商观看时长、点击率、转化率、GMV、LTV等核心指标; 2、参与机器学习、深度学习领域的核心研发工作,包括但不限于神经网络模型的设计与优化、迁移学习、强化学习、对比学习等的算法和系统研发; 3、针对海量用户行为数据,提供分布式算法实现的解决方案,大幅提升算法计算规模和性能; 4、参与推荐机制的顶层设计,优化电商流量结构和GMV结构,促进电商生态的健康发展。

更新于 2026-03-31北京