字节跳动
推荐算法工程师-番茄
推荐算法工程师-番茄
发布于 大约 10 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
机器学习
深度学习
LLM
推荐算法
召回
排序
流量策略
生成式推荐
混排
AI 估算 · 30k–60k
高级算法岗，核心业务，技术难度高，市场竞争激烈，薪资竞争力强。
职位详情
关于这个职位
作为字节跳动番茄团队的推荐算法工程师，你将参与优化业界前沿的大规模推荐系统，探索LLM与推荐的结合，并落地生成式推荐范式
工作涵盖召回、排序、混排全链路，与产品运营合作提升数亿用户的阅读和观看体验
最低要求
有优秀的编程基础、良好的编程风格和工作习惯，扎实的数据结构和算法功底
有扎实的机器学习/深度学习理论和丰富的实践经验，熟悉至少一种主流深度学习编程框架
优秀的分析问题和解决问题的能力
善于沟通，工作积极主动，责任心强，具备良好的团队协作能力
工作职责
参与番茄系产品的推荐算法工作，搭建业界最优秀的推荐系统，采用前沿的机器学习算法为数亿用户提供最好的推荐服务
深入理解场景、系统、算法问题，参与到推荐系统的召回、排序、混排全链路环节，研究深度学习、生成式推荐、流量策略等问题在各环节的创新和应用，提升推荐效果
与产品、运营团队紧密合作，通过对产品和用户的深入理解和分析，结合产品形态制定算法策略优化产品体验
优先资格
有顶会论文，ACM/机器学习竞赛获奖，或有大规模推荐系统、计算广告、搜索引擎等核心算法业务经验者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈（LLM+推荐）
- 超高速增长业务，个人成长快
- 技术迭代快，需要持续学习
- 竞争激烈，对创新要求高
缺点 / 挑战
- 字节跳动核心业务，大数据量高挑战
- 工作强度大，可能面临较大压力
- 适合技术能力强、热爱挑战、希望在推荐系统领域深耕的算法工程师
角色解读
- 成为推荐系统专家，深入算法创新
- 向技术管理方向发展，带领小团队
- 结合LLM等前沿技术，拓展AI应用边界
- 参与番茄系产品的推荐算法开发，优化召回、排序、混排全链路
- 探索LLM与推荐结合，落地生成式推荐范式
- 与产品运营合作，通过算法策略优化用户产品体验
- 扎实的编程基础，熟悉数据结构和算法
- 深度学习/机器学习理论与实践，熟悉至少一种主流框架
- 问题分析与解决能力，善于沟通协作
申请策略
- 了解字节跳动推荐算法团队的技术博客，展示对业务的思考
- 突出推荐系统相关项目经验，尤其是大规模系统
- 展示深度学习框架使用经验
- 如有顶会论文或竞赛获奖，重点强调
- 深入学习LLM与推荐结合的前沿方法
- 强化编码能力，尤其是C++或Python
面试指南
- 先明确问题核心，再结合理论+实践经验
- 给出具体方案，并分析利弊
- 如何优化推荐系统的召回阶段？
- 介绍你过去的一个推荐项目，你扮演的角色和贡献
- 如何处理冷启动问题？
- 谈一谈生成式推荐模型的应用
- 复习推荐系统经典论文（YouTube DNN, Wide&Deep等）
- 准备一个完整的项目案例
匹配度报告
70
综合匹配度
字节核心业务，前沿技术栈，薪资高但工作强度大。
适合人群
注重技术成长和薪资的求职者
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值60
薪资福利匹配
85较高
字节跳动薪资竞争力强，但未提及福利细节，工作强度可能影响稳定性。
薪资信号偏高 (30K-60K/月)
成长发展匹配
95较高
推荐算法结合LLM，技术前沿，业务高速增长，成长空间巨大。
技术前沿前沿/新兴技术
技术栈推荐算法、LLM、生成式推荐、深度学习、机器学习
业务类型profit_center
工作生活匹配
40较低
仅现场办公，北京核心地段，但未提及弹性工作或加班情况，通常强度较大。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
推荐算法影响用户阅读体验，行业高速增长，但社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs