部门介绍
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。 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。
- 召回排序一体化：结合生成式和判别式的各自优势，在自回归过程中引入判别式，实现Scaling Law；
- 强化学习：建模贴合业务的Reward，通过GRPO等优化算法对齐业务目标，提高用户消费指标，保护推荐生态；
- 表示层SID建模：结合协同信号和多模态信号表达视频；基于视频Embedding通过RQ、VQ等方法生成视频token表达；
- 用户兴趣探索与长期价值建模：基于长序列行为、兴趣图谱及多模态内容信号，建模用户兴趣演化、新兴趣转化和长期消费价值；
- 探索—利用算法研究：研究Contextual Bandit、UCB、Thompson Sampling、强化学习及后训练方法，设计兼顾探索效率和业务收益的决策机制；
- 多样性载体与相似性建模：研究标签、语义聚类、离散表征及连续Embedding在多样性建模中的适用性，构建更符合用户感知的内容相似度。
岗位职责
招聘官网暂未提供完整岗位职责，请前往官网核实。
职位要求
- 2027届硕士及以上学位在读，计算机、人工智能、机器学习、数据科学、应用数学相关；
- 扎实的机器学习、深度学习、概率统计基础，掌握表示学习、序列建模、强化学习任一方向；
- 熟悉Transformer，熟练Python、PyTorch；理解推荐评估、曝光偏置、离线在线差距、实验显著性分析；
- 对生成式推荐、兴趣探索、推荐多样性方向有浓厚兴趣，擅长论文研读、业务问题抽象、方案设计与实验复盘。 优先方向（满足其一即可）：
- 推荐系统、生成式推荐、长序列/兴趣建模、多目标学习；
- LLM/VLM预训练、后训练、偏好学习、DPO/GRPO、持续学习、TTT；
- Contextual Bandit、因果推断、DPP、探索利用算法；
- Agent、Tool Learning、AutoResearch、大规模分布式训练推理。
