字节跳动【实习】大模型驱动的内容生产与分发：IP跨体裁生成与LLM推荐-今日头条（北京/上海/杭州）
任职要求
1、2027届及以后毕业，博士在读，计算机/数学等相关专业的优先； 2、具有扎实的机器学习基础和编码能力，在机器学习、NLP、CV等有较深入的研究经验，熟练掌握主要的算法和数据结构； 3、在搜广告推和大模型领域，有…
工作职责
团队介绍：今日头条推荐算法团队，致力于为用户提供个性化新闻和信息推荐服务，提升头条产品的用户体验。我们的业务涉及内容的个性化分发、生态与质量治理、热点和垂类等多个方向。在这里，你可以研究和改进最前沿的推荐、大模型等算法，结合对产品、数据的深度分析，将技术应用到实际业务中，服务数亿用户。 课题介绍：番茄系聚合海量故事IP，今日头条拥有丰富内容形态，但生产与分发仍面临改编链路长、成本高，以及推荐过度依赖稀疏ID、对新内容/低活用户不友好等问题。本课题以多模态大模型为底座：在番茄通过LLM创作提效与结构化内容理解，构建IP资产并打通“小说→剧本→分镜→动态漫/短剧/音频”的生成与辅助创作；在小说、短剧、今日头条把内容理解信号融入推荐建模，提升兴趣捕捉与可解释分发，最终实现生产与分发协同提升。 1、大模型推荐和推荐Agent：引入LLM的推理能力，以Seed为基础训练大模型执行推荐任务的能力，推荐Token和自然语言Token联合训练实现模态融合，让推荐系统具备理解自然语言的能力，从而用推荐Agent方式实现更具扩展性的分发交互体验 2、突出强调利用大模型COT的推理能力，改进被动推荐效果 3、遵循用户的正向、负向指令的能力，彻底解决用户反馈中“Dislike不生效”、新用户兴趣探索、用户调控推荐画风等难题 4、在产品中提供和用户进行对话交互的能力，用户可根据自身需求调整推荐的效果 5、消息推送系统中嵌入大模型的用户-内容推理匹配能力，追求在内容零展、低展的情况下精准、快速的推送给用户，实现极高的推送时效性 6、构建基于大模型的推荐Agent能力，让大模型能和目前推荐系统业务策略和逻辑能更好的融合和调用。 课题挑战： 1、跨体裁一致性与可控生成； 2、结构化理解准确可复用； 3、模型落地成本/时延/轻量化； 4、LLM与内容的对齐、解码方案探索，包括纯文本方案或基于SID的方案； 5、LLM推荐指令COT数据集构建和个性化推荐推理能力的训练方法探索； 6、用户推荐正向、负向指令理解和线上执行能力探索； 7、推荐系统能力模块化&工具化，推荐Agent设计。 课题价值： 1、提效降本，提升IP产能与变现； 2、增强推荐效果与可解释性； 3、沉淀多模态通用底座； 4、探索基于LLM推理能力的推荐范式。
1. 了解业务的发展战略及目标，协助业务做整体投资布局的建议和梳理。同时对所处行业发展保持动态跟踪，分析市场数据、行业趋势和业务运营指标，以帮助做出投资决策 2. 积极寻找、筛选及评估战略投资、收购、合资和业务发展交易的潜在目标 3.具备较强的deal sourcing能力，AI和机器人领域有比较强的人脉 4. 推进项目的投资，包括但不限于投资价值判断、交易结构的设计和交易的执行，包括建模、尽调、谈判和交割 5. 负责相关领域的投后管理，包括议案审批，协调/促进公司与被投公司的战略合作
岗位职责 Location: 北京龙泽滴滴天空之城 上海市普陀区长寿路261号 鸿寿坊东塔 深圳市南山区深南大道与铜鼓路交汇处大冲商务中心D座 杭州市西湖区西溪谷国际商务中心G座 滴滴国际化Fintech业务，是滴滴国际化战略的重要组成板块，自2021年开始，Fintech在拉美地区大力发展电子支付和信贷业务。短短2年时间，其个人信贷业务，已经在墨西哥的Fintech玩家中位于第一梯队；其电子钱包业务也在巴西的Fintech玩家中也名列前茅，实现快速增长。此外，滴滴Fintech还在拉美地区积极探索和开展信用卡、商户收单等业务，为当地用户带来更便捷、优质、更高性价比的金融服务，实现多个从0到1的突破。 我们诚挚邀请真诚、 可靠、勇于挑战的您和我们一起，携手并肩，拥抱金融出海的浪潮。和滴滴Fintech一起，实现从0到1，从1到100的快速成长。 职位描述 1.参与国际化现金贷系统的方案设计、核心功能开发及持续优化工作； 2.积极使用 AI 研发工具提升个人及团队的工程交付效率与代码质量； 3.深度参与业务规划讨论，提出有建设性的技术方案和意见，积极与上下游团队沟通协作，推动项目落地。
1. 负责研发大语言模型预训练技术，如高效的新型llm模型架构、长窗口训练技术、pretrain scaling law、高效预训练策略等。 2. 负责研发基于强化学习的推理模型，如大规模强化学习、新型RL算法、testing time scaling等。
需求分析与场景识别 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 技术判断与解决方案 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 产品需求反馈与优化 依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率 市场敏感与扩展复制 挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制