The posting
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。
日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
1、探索短视频推荐场景下的新一代大模型范式,统一建模用户行为、内容表征与推荐目标,结合模型Scaling与Post-training技术,提升模型对用户兴趣的理解、推荐推理与决策能力,探索突破现有推荐模型能力上限的技术路径; 2、研究大模型的理解、推理与泛化能力向高度个性化、超长行为序列和复杂反馈机制的短视频推荐场景的迁移方案,突破传统推荐模型的建模范式,探索用户、内容与推荐目标的统一建模,实现模型能力的持续Scaling,并进一步通过强化学习提升模型的复杂决策与长期优化能力; 3、生成式推荐大模型方向:探索用户、Item、行为序列与推荐目标的统一建模,研究Semantic ID、协同信号与多模态内容的统一表示与融合; 4、用户兴趣理解与演化方向:研究用户长期偏好、短期意图及动态兴趣变化,提升模型对复杂用户行为和超长序列的理解能力; 5、推荐场景Agentic RL方向:探索基于PPO、GRPO等方法的强化学习,研究推荐策略优化、Reward设计、长程Credit Assignment与On-policy Learning,提升模型的决策能力与长期优化效果; 6、大模型训练与评测方向:参与Pre-training、Post-training(SFT、RL等)与Evaluation,构建从数据、训练到评测反馈的迭代闭环,持续提升模型能力。
1、本科及以上学历在读,计算机、软件工程等相关专业优先; 2、具备优秀的编码能力,扎实的数据结构和算法功底; 3、有扎实的机器学习/深度学习理论和丰富的实践经验;优秀的分析问题和解决问题的能力,对解决具有挑战性问题充满激情; 4、熟悉机器学习、自然语言处理、数据挖掘中的一项或多项,对推荐系统、计算广告、搜索引擎等相关领域有经验者优先; 5、在会议发表论文,或ACM/机器学习等竞赛获奖,或有推荐系统、计算广告、搜索引擎等核心算法业务经验者优先。



