官网职位描述
团队介绍:TikTok搜推算法团队,负责TikTok短视频产品的基础推荐、搜索算法,加入我们,你能接触到包括搜索、用户增长、社交、直播、内容创造、内容消费等业务场景,直接为核心用户体验负责,支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地,并着力研究下一代AI Search和Chatbot的核心研发技术,包括不限于Multi-Agent、Agentic RL、Harness、Loop Engineering,探索强化学习在大模型时代的新范式。在这里,你可以深入钻研机器学习算法的改进和优化,探索前沿的技术;可以感受不同文化的碰撞,激发认知;可以通过对产品和内容生态的深度分析,影响产品未来的发展方向。 1、负责国际化短视频生活服务推荐算法相关工作,涉及大规模推荐算法的优化、复杂约束优化问题的解决、内容理解、LLM应用以及新业务方向探索、CV/NLP等多个学术领域的算法改进、多种场景的推荐架构的设计和实现、产品数据的复杂深入分析,可深入钻研机器学习算法的改进和优化,探索工业界推荐系统架构和推荐大模型算法; 2、本项目旨在技术革新,探索推荐领域下的大模型方案,改变持续了较长时间的推荐模型结构和Infra的基本范式,在国际化生活服务的多个业务场景上得到应用,项目从推荐模型参数Scaling Up、跨模态的对齐和统一表征学习(推荐、内容多模态、自然语言)、超长序列建模、生成式推荐模型等多个方向展开深入研究,对国际化生活服务推荐场景的模型做系统性的升级。
职位要求
- 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;
- 生成式+搜索/推荐/广告(如TIGER生成式召回、LRM生成式预估、生成式出价等)项目经验优先;
- 探索视觉、文本、音频等多模态信息的融合建模与对齐机制,提升内容理解与用户意图匹配能力,推动推荐系统向更深层次的语义理解演进;
- 优先考虑具备生成式与搜索推广项目经验,或对生成式技术充满高度热情者(如TIGER生成式召回、LargeRecModel生成式预估、OneRec一段式生成式预估、AIGB生成式出价等);
- 在国际顶级会议发表论文者优先,包括但不限于KDD、SIGIR、RecSys、ACL、NeurIPS等;
- 具备较好的问题分析和解决能力,对技术有热情,热衷于推动和解决各种挑战。