字节跳动
用户创作大模型算法工程师-智能创作（北京/上海）
用户创作大模型算法工程师-智能创作（北京/上海）
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
学历未注明
机器学习
强化学习
LLM
推荐系统
多模态
SFT
大语言模型
搜索系统
RLHF
对比学习
AI 估算 · 30k–60k
一线大厂算法岗，3年经验结合LLM方向稀缺性，薪资处市场中高位，竞争力强。
职位详情
关于这个职位
该职位属于字节跳动智能创作团队，负责将用户行为、偏好等信号引入大模型，优化个性化推荐与搜索系统
你将参与大模型后训练（SFT/RLHF）体系建设，基于用户在线反馈构建Reward信号，推动LLM和生成模型的持续迭代
适合对推荐系统、大模型、强化学习有深入研究的算法工程师
最低要求
扎实的编程能力，机器学习基础知识扎实，对解决具有挑战性问题充满激情
关心产品体验，逻辑感强，善于思考，数据与客观事实驱动，具备良好的工程与算法协作能力，积极主动、有责任感，能与团队高效沟通和合作
推荐/搜索/广告/机器学习相关背景，3年及以上算法相关工作经验，在个性化建模或推荐系统方向有扎实积累
在以下至少一个方向有深入研究或实战经验：
）搜索/推荐系统
）大语言模型（LLM）或多模态大模型
）个性化生成（Personalized Generation）
熟悉或参与过大模型后训练（Post-Training）流程，包括但不限于：
）SFT（Supervised Fine-tuning）
）Reward Model训练
）RLHF/RL-based Optimization
能够基于用户在线行为与反馈数据，构建有效的Reward/Preference信号，并将其用于LLM/生图模型的优化
对强化学习（RL）、对比学习、排序学习等方法有理解，并能将其应用于生成模型或推荐/搜索场景
工作职责
负责个性化计算与推荐/搜索系统的算法设计与优化，将用户行为、偏好、上下文等信号引入大模型与多模态模型中
参与大模型后训练（Post-Training）体系建设，包括但不限于SFT/Reward Modeling/RLHF/RLAIF
利用用户在线反馈（点击、停留、转化、偏好选择等）构建Reward信号，驱动LLM/多模态生成模型的持续优化
设计并实现基于强化学习（RL）或对比学习的优化策略，用于提升生成质量、用户满意度和业务指标
与产品、工程、运营等多团队合作，推动个性化大模型在真实业务场景中的落地和迭代
AI 洞察
优缺点分析
优点
- 涉及大模型、强化学习等前沿技术，个人技能成长迅速
- 薪资和福利在业界有竞争力，且团队技术氛围浓厚
- 技术栈复杂，需要同时掌握推荐系统和大模型，学习曲线陡峭
- 跨团队协作要求高，需与产品、工程、运营多方沟通协调
缺点 / 挑战
- 字节跳动大平台，智能创作业务核心，技术挑战大、影响力广
- 业务目标驱动，可能面临较大的交付压力与项目周期紧张
- 适合具备推荐系统或大模型背景、热爱挑战、乐于将算法落地于实际产品的算法工程师
角色解读
- 技术深度：从个性化算法专家发展为LLM/推荐系统领域的技术负责人
- 管理方向：可晋升为技术Leader，带领团队负责算法方向规划与落地
- 跨领域拓展：结合产品与业务，转向AI产品架构师或技术总监
- 将用户行为、偏好等信号融入大模型和多模态模型，优化推荐与搜索系统的个性化效果
- 参与大模型后训练流程，包括SFT、Reward Model训练、RLHF等，提升模型生成质量
- 基于用户在线反馈（如点击、停留）构建Reward信号，驱动模型持续迭代
- 设计强化学习或对比学习策略，应用于生成模型或推荐排序，并推动业务落地
- 扎实的机器学习基础与编程能力（Python/C++等）
- 深入理解推荐系统、搜索系统或广告系统，有3年以上相关经验
- 熟悉大语言模型或多模态模型，掌握SFT、RLHF等后训练技术
- 掌握强化学习、对比学习、排序学习等方法，并能在生成或排序场景应用
申请策略
- 了解字节跳动智能创作业务（如剪映、轻颜等），在面试中展示对产品场景的理解
- 可提前准备一个多模态与推荐结合的方案设想，体现思考深度
- 重点突出推荐/搜索系统相关的项目经验，特别是个性化建模与效果提升的案例
- 详细描述参与大模型后训练（如SFT、RLHF）的具体工作与成果
- 强调利用用户反馈数据构建Reward信号并优化模型的经历
- 展示编程能力与机器学习基础，可附上GitHub或技术博客
- 若缺乏强化学习经验，可先学习基础理论并通过简单项目实践（如CartPole）
- 深入理解LLM的后训练流程，尝试复现RLHF的经典论文
面试指南
- STAR法则：描述场景、任务、行动、结果，突出个人贡献与量化指标
- 技术原理+实践结合：先陈述理论基础，再说明在实际项目中的实现细节与效果
- 问题解决思路：面对挑战时，系统分析可能原因，提出多种方案，最终选择并验证
- 请介绍你参与过的一个推荐系统项目，如何优化个性化效果？
- 解释RLHF的流程，以及如何设计Reward Model？
- 如何利用用户点击行为构建处理信号用于大模型优化？
- 对比学习在推荐或生成模型中的应用原理是什么？
- 在训练大模型时遇到过哪些挑战？如何解决？
匹配度报告
74
综合匹配度
大厂核心算法岗，前沿技术栈，薪资优厚，但现场办公且WLB不明确。
适合人群
适合追求技术深度与前沿方向、对薪资和成长有较高期望，且能接受一定工作强度的求职者。
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90
工作生活50
使命价值70
薪资福利匹配
85较高
字节跳动为上市公司，薪资在互联网大厂中属于头部水平，福利完善（五险一金、补充医疗、免费三餐等），但JD中未明确薪资数额，仅以面议为主，补偿性动机满足度较高。
薪资信号面议 (30K-60K/月)
成长发展匹配
90较高
职位涉及LLM、多模态、RLHF等前沿技术，团队技术氛围浓厚，个人成长空间大。JD中虽未直接提及培训或晋升通道，但大厂内部晋升体系成熟，且要求具备3年经验，属于技术深耕型岗位。
技术前沿前沿/新兴技术
技术栈大语言模型、多模态、RLHF、强化学习、对比学习、推荐系统、搜索系统
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及远程或弹性工作，上海办公地点可能在市区或科技园，通勤有一定压力。JD中无WLB相关描述，互联网大厂算法岗通常加班较多。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
智能创作领域属于高速增长赛道，通过算法提升用户体验具有正向社会价值，但JD中未突出使命导向，主要聚焦技术实现。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs