下一代推荐系统算法研究实习生 - TikTok算法

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。

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。

1、推荐大模型与兴趣建模：融合用户行为、内容表征、协同信号与LLM/VLM语义能力，提升对长期兴趣、潜在意图和长尾需求的理解；
2、长序列建模与动态学习：探索Linear Attention、TTT、Continual Learning、Muon等方法，提升超长序列建模、兴趣更新和训练效率；
3、生成式召回与排序：研究生成式兴趣发现、内容检索和列表生成能力，建模候选内容间关系，推动召回排序一体化；
4、推荐后训练与自适应优化：结合强化学习、偏好学习和多目标优化，挖掘用户潜在兴趣，提升推荐系统自我优化能力；
5、Agentic Rec与链路重构：以VLR为决策中枢，动态编排召回、排序和离在线链路，构建自适应推荐架构；
6、AutoResearch与Self-Evolve：用Agent辅助创意生成、实验分析、瓶颈定位、知识沉淀和经验复用，提升推荐算法迭代效率。

1、2027届硕士及以上学位在读，计算机、人工智能、机器学习、数据科学相关；
2、扎实机器学习深度学习基础，熟悉Transformer，熟练Python、PyTorch，具备算法实现与实验验证能力；
3、热爱前沿研究，擅长论文研读、问题拆解与方案设计；
4、优先方向（满足其一即可）：
1）推荐系统、生成式推荐、长序列/兴趣建模、多目标学习；
2）LLM/VLM预训练、后训练、偏好学习、DPO/GRPO、持续学习、TTT；
3）Agent、Tool Learning、AutoResearch、自动化实验框架、分布式训练推理；
4）NeurIPS/ICML/ICLR/KDD/SIGIR/WWW/RecSys顶会论文优先。