TikTok logo
TikTok
大模型Agent算法工程师-TikTok搜索(北京/上海)

大模型Agent算法工程师-TikTok搜索(北京/上海)

发布于 30 分钟前

普通员工/个人贡献者

AI 估算 · 4.0–8.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Llm
Rlhf
Sft
Tensorrt
分布式训练
多模态
推理优化
数据合成

值不值得投

76综合评分

综合评分 76

前沿技术驱动、高薪高成长、核心业务挑战、工作强度可能较大

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

6.0万

比AI算法中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

26 个在招

市场机会

选择面较广

北京 · AI算法 · 91 个在招

职位详情

关于这个职位

负责TikTok搜索大模型底座及Agent框架从0到1的建设,涵盖预训练、推理优化及多智能体调度

主导数据合成、评测体系构建及长期记忆机制研发,推动前沿技术在搜索场景的商业化落地与规模化应用

最低要求

计算机等相关专业本科及以上学历,3年以上AI算法研发经验(资深/专家岗经验要求另行匹配)

在LLM/Agent/多模态/搜索任一方向有深入研究与落地经验,能独立负责并主导技术方向
大模型/Agent技术栈精通其一:大模型全链路,预训练/SFT/RLHF/对齐/推理优化/数据合成
Agent全栈,Harness、多智能体调度、记忆机制、Agent Loop、自我提升(RSI)、Reward/Verifier
强工程能力,熟悉分布式训练、混合精度、推理加速(量化/剪枝/蒸馏/TensorRT)与大规模数据处理(MR/Spark等)
熟悉以下任一方向并有代表性成果:CV&多模态:图像/视频检索、分类识别、分割、目标检测、OCR、多模态大模型、自/无监督学习
NLP:预训练、NLU、多语言/跨语言、NLG、迁移/半监督学习
有顶会论文(NeurIPS/ICML/ICLR/CVPR/ICCV/ECCV/ACL/EMNLP/AAAI等)、知名开源项目、竞赛获奖(Kaggle/COCO/ImageNet/GLUE/CLUE等),或大规模业务落地经验者优先
优秀的技术leadership、跨团队协作与沟通能力
对搜索与Agent的长期价值有判断与热情

工作职责

搜索大模型底座,主导搜索领域LLM底座的研发与迭代,融合搜索知识快速落地

负责搜索大模型预训练、后训练链路(超长文本、口语文本预训练,图文、视频多模态表征,电商商品多模态表征学习)与推理优化(长上下文、模型效率、量化、剪枝、蒸馏、推理加速)
下一代非Transformer架构等前沿方向预研,并推动其与业务场景结合
Agent Foundation与Harness,负责搜索Agent执行框架(Harness)从0→1、1→N建设——工具调用、规划、记忆、环境交互的统一编排
设计多智能体集群调度与协作算法(任务分配、动态调度、通信、对齐、冲突解决)
建设Agent Foundation平台,赋能团队内工程、算法、PM全栈式轻量级开发与快速上线(多Agent、单Agent+Skill-based、Memory),支持搜索核心智能助手及垂搜场景模块
抽象算法库与接口、提升复用率与研发效率
定期分享SOTA模型,赋能搜索及公司级BU,指导初级同学成长
Loop工程、长记忆与自我提升(RSI),主导Agent Loop与训练-推理-评测闭环
建设大模型长期记忆机制、跨上下文知识整合、因果推理与自主概念归纳能力
落地self-evolve/self-improvement与递归自我提升(RSI)机制(自动化参数调优、训练流程自动化、AI辅助算法设计、模型迭代闭环自动化)
数据合成与评测体系,建设垂类高质量数据合成与质量控制(分布对齐、合成数据评测、筛选、提纯)
负责在线Reward/Verifier系统与超人类能力基准评测(无需人工标注的自动化评测、长周期复杂任务、跨领域创新能力评测、多智能体协作评测标准)
业务落地与规模化,长时程任务Agent(常驻意图)
基于SOTA模型提供生图、视频能力,放大规模效应
承接Feed「看后问/看后创作」体验,强化用户主动认知
视觉搜索&端智能,目标检测、OCR、TinyLLM
搜索内容生态、创作者生态等
AGI安全与对齐(大规模多智能体目标一致性约束、可解释、可审计、安全机制)等方向预研,并推动其与业务场景结合

AI 洞察

优缺点分析

优点

  • 拥有海量数据和算力资源,便于开展前沿研究
  • 团队氛围开放,鼓励技术创新和知识分享
  • 技术迭代极快,需持续跟进SOTA模型并快速落地
  • Agent框架从0到1建设难度大,需解决多智能体协作、记忆机制等复杂问题
  • 适合在LLM/Agent领域有深厚积累、具备极强工程能力和创新精神的资深算法工程师

缺点 / 挑战

  • 接触全球顶级流量产品的核心搜索业务,技术挑战大且影响力深远
  • 工作强度可能较高,需应对业务快速变化的压力
  • 对新技术充满热情,愿意接受高挑战和高回报的求职者

角色解读

  • 可向首席科学家、技术总监方向发展,或在AI Agent领域成为行业权威专家
  • 随着AGI技术发展,该岗位具有极高的技术壁垒和行业影响力
  • 负责TikTok搜索大模型底座的研发迭代,包括预训练、后训练及推理优化
  • 构建Agent执行框架(Harness)及多智能体调度算法,实现从0到1的技术突破
  • 精通LLM全链路技术(预训练/SFT/RLHF/推理优化)或Agent全栈技术(Harness/多智能体调度/记忆机制)
  • 具备强工程能力,熟悉分布式训练、混合精度及大规模数据处理

申请策略

  • 准备详细的技术方案阐述,展示如何解决实际业务中的难题
  • 了解TikTok搜索业务的现状和挑战,提出针对性的改进思路
  • 展现良好的跨团队协作能力和技术领导力
  • 突出LLM/Agent相关的项目经验,特别是从0到1的建设经历
  • 强调在预训练、推理优化或多智能体调度方面的具体成果
  • 展示顶会论文、开源项目贡献或竞赛获奖情况
  • 深入理解Transformer架构及其变体,掌握最新的推理加速技术(如量化、剪枝)
  • 熟悉多智能体系统的设计原则和通信协议

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目经历
  • 重点突出技术选型的理由、遇到的挑战及解决方案、最终的业务效果和技术指标提升
  • 请详细介绍你负责的LLM预训练或Agent框架项目的技术架构和难点
  • 如何设计多智能体集群的调度与协作算法?如何处理冲突和通信问题?
  • 在大模型推理优化方面,有哪些具体的实践经验和效果提升?
  • 如何构建高质量的合成数据体系?如何进行自动化评测?
  • 复习LLM和Agent领域的最新研究成果,特别是NeurIPS/ICML等顶会的论文
  • 梳理自己过往项目的技术细节,准备好代码演示或架构图

职位点评

薪资福利85
成长发展95
工作生活40
使命价值70

薪资福利

85较高

作为跨国巨头企业的核心算法岗位,薪资水平处于行业高位,且通常包含丰厚的股票期权和奖金,对补偿性动机满足度很高。

薪资信号未披露(AI估算:4.0千–8.0万/月)

成长发展

95较高

岗位涉及LLM和Agent最前沿技术,从0到1建设框架,技术成长空间巨大,且有机会指导初级同学,职业发展路径清晰。

技术前沿前沿/新兴技术
技术栈LLM、Agent、多模态、分布式训练、TensorRT、RLHF、SFT、推理优化、数据合成、多智能体调度
成长机会指导初级同学成长、定期分享SOTA模型
业务类型profit_center

工作生活

40较低

JD未明确提及弹性工作或远程办公,且核心业务研发岗位通常要求坐班。互联网大厂节奏较快,工作强度可能较高,WLB一般。

工作模式未明确
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

70中等

岗位直接服务于全球数亿用户的搜索体验,提升信息流动效率,具有显著的社会价值和商业影响力,但主要驱动力仍来自商业价值。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号为用户提供精准高效的搜索工具、提升信息流动的效率、支持内容生态的发展
创新程度开拓性创新(行业首创)
Watch Jobs