心动广告算法实习生（广告运筹优化方向）

团队介绍：1、业务方向：自助业务希望建成中小商家的业务中台，电商广告、生服广告、Dou+等多条业务线，一站式解决商家问题，助力商家成长，提升商家数字化经营能力；2、技术亮点：自助技术分为智能销售、客户增长、营销活动几个方向；客户增长方向主要利用Uplift建模、因果推断、运筹优化算法、推荐算法等，通过对客户初期的行为习惯进行挖掘，探索更优的发券、选品、选素材等相关策略，提升拉新指标；智能销售方向主要通过LLM-Agent的形式，利用sft、rl等算法优化广告领域的服务能力，提升对中小客户的教育、辅导、服务等能力，进而提升长期客户消耗；营销活动方向主要服务商业化运营团队，辅助运营完成营销活动的创建与推广。 课题背景： 为了长期优化广告客户生态以及收入增长，商业化需要更大规模的做好客户拉新和客户在投放成长初期的留存，那么如何精准定位目标人群、如何更有效的利用激励手段促进客户增长、如何优化当前客户动作和投放手段，就是一个必须要长期优化的方向。 现在的增长方向主要靠传统机器学习的手段来决策激励的发放，但效果提升已经遇到瓶颈，需要探索基于RL的因果推断技术。另一方面，客户成长初期目前无法获得足够的服务与帮助，结合上广告投放本身有较高学习门槛，所以现在亟需依赖LLM技术，实现智能销售的愿景——包括智能客服、智能销售、智能投手三个阶段，最终达到全智能化的托管式服务。 课题挑战： 相比抖音C端流量数据，广告客户数据相对波动较大，观测周期长，有更多的不确定性；大语言模型在广告领域的能力依然不足，具体表现在领域知识理解不足，大量专业工具（百量级）的使用效率不高，业务回复的可解释性不够强。为了达到人工销售的水平，需要探索RL、探索reward system、探索deep research的实现、探索业务向Benchmark的范式等等；相比传统客服的问答式工作，还需要探索LLM在主动服务方向的开放命题。

团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行“激发生意新可能”理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 用户增长业务中，当前产品手段较多，包括满减券、货补礼金、超值券省钱包、分享裂变等手段，核心目标是在给定的平台预算和ROI约束下，通过决策每个手段的Action，实现平台收益的最大化；目前，决策系统已取得一定的效果，线上使用因果推断模型和运筹优化策略，做到了实时预估&决策，在用户增长的各场景均有落地， 但仍有以下挑战： 1）决策模型未充分利用用户的状态信息（state），对用户历史的序列建模不够； 2）模型的建模目标仍是短期收益，缺乏对未来累计收益的建模（cumulative reward）； 3）业务场景的决策变量众多，彼此之间缺少组合，没有做到全局统一的联合决策。 对于交易业务来说，建模出用户的兴趣偏好至为重要，而大模型技术可以深度理解用户的行为与兴趣，采用scaling-up和生成式的解决思路，可以有效提升决策模型的准确度，未来我们将探索序列决策、联合决策和大模型技术的深度融合，来提升效果。 研究方向：联合决策/序列决策。

团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行“激发生意新可能”理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 用户增长业务中，当前产品手段较多，包括满减券、货补礼金、超值券省钱包、分享裂变等手段，核心目标是在给定的平台预算和ROI约束下，通过决策每个手段的Action，实现平台收益的最大化；目前，决策系统已取得一定的效果，线上使用因果推断模型和运筹优化策略，做到了实时预估&决策，在用户增长的各场景均有落地， 但仍有以下挑战： 1）决策模型未充分利用用户的状态信息（state），对用户历史的序列建模不够； 2）模型的建模目标仍是短期收益，缺乏对未来累计收益的建模（cumulative reward）； 3）业务场景的决策变量众多，彼此之间缺少组合，没有做到全局统一的联合决策。 对于交易业务来说，建模出用户的兴趣偏好至为重要，而大模型技术可以深度理解用户的行为与兴趣，采用scaling-up和生成式的解决思路，可以有效提升决策模型的准确度，未来我们将探索序列决策、联合决策和大模型技术的深度融合，来提升效果。 研究方向：联合决策/序列决策。

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：Data-电商-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、参与电商业务用户/商家/达人增长等业务中的触达算法研发，包括但不限于基于用户与触达内容的理解建立点击率/转化率预估等模型、优化触达时机/渠道、基于AIGC技术进行触达内容优化等； 2、与电商用户增长、商家/达人相关运营、产品等团队紧密合作，达成电商业务的用户/商家/达人高质量增长目标。