美团美团外卖-大模型应用/搜索推荐算法实习生
任职要求
1.熟练掌握机器学习、深度学习等方向理论和应用，熟练应用算法平台，如TensorFlow、PyTorch等； 2.优秀的分析和解决问题的能力，对挑战性问题充满激情； 具备以下条件优先 1.推荐、搜索、广告等算法经验者优先，对大模型在搜推领域应用有探索经验者优先。 2.在ACL、AAAI、IJCAI、EMNLP、WWW、KDD等国际顶尖会议或期刊上发表过论文；在各类重大竞赛中取得优异成绩。
工作职责
1.负责搜索推荐核心算法的研发工作，致力于提升用户体验和流量转化效率，支撑业务快速发展； 2.发展大规模深度学习等技术，利用注意力机制、记忆网络、关系网络等模块，从跨多个时空场景的海量数据中理解用户需求、发掘用户兴趣，优化点击率、转化率预估模型，为用户展示更合适、更感兴趣的美食和商品； 3.应用LLM技术、深度学习等技术，持续优化查询理解、召回、相关性等算法模块，提升搜索体验和转化效率；
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：字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括： 1、探索最前沿的NLP技术：从基础的分词、NER，文本、多模态预训练，到业务上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战； 2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，实现多模态视频搜索强大的语义理解和检索能力； 3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的个性化匹配问题，让搜索更加精准更加懂你； 4、推荐技术：基于超大规模机器学习技术，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新； 5、千亿级数据规模的架构：设计和自研业内领先的检索架构，研发面向网页、视频、图文、电商等不同体裁的大规模数据处理平台，构建高吞吐、低延迟、高可用的搜索在线服务。 1、参与抖音，今日头条，西瓜视频，剪映等App，以及国内外电商，生活服务等业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务；接触公司前沿的推荐系统，搜索引擎和NLP技术，有广阔发展空间； 2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节； 3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及大模型应用，多模态等前沿技术的探索。
1. 探索基于LLM的Query理解大模型，通过天猫的数据微调大模型生成ID表征向量，在搜索和推荐算法各模块进行深度的探索和应用。包括但不限于语义相关性、类目预测、召回排序等。 2. 探索生成式搜索技术（如Query扩展、结果摘要生成），助力搜索从“信息呈现”向“决策辅助”升级。 3. 结合业务需求，设计和扩展LLM的应用场景范围及规模，提高模型微调后再垂直领域的应用及专家模式的架构尝试。 4. 跟进业界前沿NLP、CV、大模型前沿技术趋势，开展前沿算法的研究工作，结合实际业务需求，将技术应用到实际业务场景。
我们是网易云音乐算法团队，专注于行业领先的搜索及推荐算法，通过技术赋能云音乐各项业务，提升用户体验，产生商业化价值。 我们正在寻找一位了解大模型 LLM 在搜索推荐场景的应用、熟悉生成式技术及 NLP 相关知识的人才加入团队，加入我们，你可以参与学术研究和业务实践两个方面的工作，深度涉足生成式搜推领域—— 1、学术研究方面，你将和团队一同探索生成式大模型在搜推场景的前沿技术，研究新的算法（如生成式检索、大模型推荐优化等），助力发表高质量研究论文； 2、在业务实践方面，你将利用生成式技术、NLP 技术解决搜推业务场景中的问题，设计并实现高效解决方案，对生成式模型进行调优、部署及搜推链路集成，并开展评估与优化工作； 3、此外，你将直接接触到生成式搜推相关的大模型落地场景，包括且不限于基于 LLM 的搜索意图解析、推荐内容生成、多轮交互式搜推、RAG 优化等，体验最真实的生成式搜推应用场景。
- 搜索推荐模型优化和策略改进，覆盖空框、猜你想搜、相关搜索、结果页推荐多场景，提升搜索流量和渗透增长 - 以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖召回、排序、多目标融合全链路技术环节 - 持续探索搜索、推荐、NLP技术联合应用，生成式推荐前沿技术落地 - 基于生成式大模型探索交互式推荐激发创新场景