腾讯视频
腾讯视频-推荐算法工程师
腾讯视频-推荐算法工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai搜索
Cv
Go
Llm4Rec
Nlp
Pytorch
Tensorflow
大模型
推荐系统
值不值得投
80综合评分
综合评分 80
大厂推荐算法岗，技术前沿，薪资偏高，WLB未明确但可能挑战大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
9 个在招
市场机会
选择面较广
北京 · 机器学习工程 · 约 450 个在招
职位详情
关于这个职位
这个职位专注于腾讯视频的推荐和搜索算法研发，包括传统推荐、LLM4Rec、AI搜索、生成式推荐等方向
你需要通过算法优化提升用户体验和关键业务指标，如用户消费时长、转化和留存，并应用大模型技术解决实际业务问题
最低要求
具备三年以上的推荐系统、广告系统或搜索引擎的算法研发经验，有推荐业务经验者优先
扎实的算法功底，熟悉LLM、NLP、CV、大模型领域相关技术，有过大模型推荐相关经验者优先，有过超大规模机器学习模型（如DNN、DeepFM、GNN等）改进推荐效果，且有设计迁移学习、多任务学习、强化学习等实战经验者优先
熟悉业界主流框架（如TensorFlow/PyTorch）及分布式计算工具（Hadoop/Spark），熟悉Go/C++开发高性能排序模块，有优化分布式系统性能，支撑亿级用户请求实战经验者优先
对数据敏感，具备良好的问题分析与解决能力，具备较强的自我驱动力，对解决挑战性问题充满热情
有较好的沟通能力、团队协作能力，积极主动，愿意接受挑战
工作职责
负责腾讯视频业务的推荐与搜索技术研发（包含但不限于传统搜推、LLM4Rec、AI搜索、生成式推荐等），提升用户体验，用户消费与时长，用户转化与留存等核心业务指标
根据场景特点和产品定位，对全链路算法体系进行深度理解与优化，持续优化推荐/推荐算法
结合大模型技术，升级推荐技术，提升推荐效果，解决实际业务问题
紧跟学术界、工业界的前沿技术，结合实际的业务场景进行算法开发、落地，实现团队技术和业务的共同发展
优先资格
有推荐业务经验者优先
有过大模型推荐相关经验者优先
有超大规模机器学习模型改进推荐效果实战经验者优先
有优化分布式系统性能、支撑亿级用户请求实战经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿，涉及LLM4Rec、AI搜索等热门领域，能接触最新技术
- 大厂平台资源丰富，业务影响面广，有参与亿级用户项目的机会
- 推荐算法是核心业务，能快速提升个人技术能力和行业认知
- 技术难度高，需要持续学习和跟进学术/工业界最新进展
- 适合有推荐系统或大模型相关经验，对算法有热情，追求技术成长和业务影响力的工程师
缺点 / 挑战
- 业务指标压力大，需要平衡算法效果与实际业务需求
- 可能面临高强度工作节奏，对自我管理和抗压能力要求较高
角色解读
- 可向推荐算法专家或机器学习架构师方向发展，深耕技术深度
- 可转向技术管理岗位，如技术经理或总监，带领团队负责业务
- 可探索跨领域应用，如AI搜索、生成式推荐等新兴方向
- 负责推荐和搜索算法的研发与优化，提升用户体验和业务指标
- 应用大模型技术到推荐系统中，解决实际业务问题
- 跟踪前沿技术并落地到业务场景，推动团队技术发展
- 扎实的推荐算法和机器学习知识，熟悉LLM、NLP、CV等技术
- 精通TensorFlow/PyTorch等框架，具备Go/C++高性能开发能力
- 熟悉Hadoop/Spark等分布式计算工具，有系统性能优化经验
- 良好的问题分析、沟通协作和自我驱动能力
申请策略
- 研究腾讯视频的推荐系统技术栈和业务目标，面试时展示相关理解
- 准备个人技术博客或GitHub项目，展示代码能力和算法思考过程
- 突出推荐系统项目经验，特别是大模型应用、性能优化案例
- 强调算法设计与实现能力，展示TensorFlow/PyTorch等框架熟练度
- 提供量化成果，如提升用户指标、处理亿级数据等具体数据
- 体现团队协作和沟通能力，如有跨团队合作或技术分享经历
- 深入学习大模型推荐技术（如LLM4Rec）和最新算法论文
- 提升Go/C++高性能编程和分布式系统优化能力
面试指南
- 使用STAR法则（情境-任务-行动-结果）结构化回答项目经验，强调个人贡献和量化结果
- 从技术原理、业务场景和实际挑战三个层面阐述算法应用，体现深度思考
- 展示问题分析框架，如数据监控、特征工程、模型迭代等步骤
- 请介绍一个你参与的推荐系统项目，以及你负责的具体工作
- 如何将大模型技术应用到推荐场景中？请举例说明
- 当推荐算法效果遇到瓶颈时，你会如何分析和优化？
- 你如何平衡推荐算法的准确率、新颖性和业务指标？
- 对LLM4Rec或生成式推荐有什么理解？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
该职位提供有竞争力的薪资和福利，适合追求高收入和稳定性的求职者。
薪资信号偏高 (2.5千–4.5万/月)
成长发展
90较高
职位涉及前沿技术如LLM4Rec和大模型推荐，有较多技术挑战和成长机会，适合注重技能提升的求职者。
技术前沿前沿/新兴技术
技术栈推荐系统、LLM、NLP、TensorFlow、PyTorch、大模型
成长机会紧跟学术界、工业界的前沿技术、实现团队技术和业务的共同发展
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式和WLB信息，无法判断具体办公灵活性和加班情况。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
视频推荐和AI技术属于高速增长赛道，能带来一定的行业影响力和社会价值。
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