字节跳动
Agentic RecSys算法工程师-抖音
Agentic RecSys算法工程师-抖音
发布于 1 天前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
机器学习
深度学习
PyTorch
强化学习
TensorFlow
LLM
推荐系统
召回
排序
AI 估算 · 30k–60k
前沿算法方向，技术壁垒高，字节跳动薪资竞争力强，但工作强度大。
职位详情
关于这个职位
抖音主Feed推荐系统Agentic化算法研发，探索LLM与推荐深度结合，建设推荐统一Agent中枢，推动LLM based RecSys在真实链路落地，优化召回、排序等多个环节
与工程、产品团队协作，将前沿算法应用于大规模线上系统
最低要求
本科学历及以上，计算机、人工智能、机器学习、数学、统计学、运筹优化等相关专业
具备扎实的机器学习和深度学习基础，熟悉推荐系统、搜索、广告、NLP、大模型、强化学习中的一个或多个方向
熟悉推荐系统核心链路，包括召回、排序、重排、多目标优化、样本构建、特征体系、评估体系和在线实验
熟悉PyTorch/TensorFlow等主流深度学习框架，具备良好的算法实现能力、工程能力和数据分析能力
对LLM、Agent、SFT、RL、RAG、Memory、Planning、Tool Use、LLM Judge等方向有深入理解或浓厚兴趣
具备优秀的问题抽象能力、系统性思考能力和良好的沟通协作能力，能够从复杂业务场景中提炼关键算法问题，推动方案落地，并在高复杂度、多角色协作环境中推进关键项目
工作职责
负责抖音主Feed推荐系统Agentic化相关算法研发，探索LLM/Agent与推荐系统深度结合的新范式，建设推荐统一Agent中枢能力（包括用户理解、长期/短期Memory、任务规划、策略编排、反馈评估与自我迭代机制），并建设推荐Auto Research能力，利用LLM/Agent自动探索模型结构、特征组合、Reward设计、策略优化和实验方向，提升算法迭代效率
推动LLM based RecSys在真实推荐链路中的落地，优化召回、排序、重排、多目标决策、体验对齐等关键环节，参与推荐大模型、生成式推荐、多模态推荐、多场景统一建模等方向研发，提升推荐系统的表达能力、泛化能力和决策能力，面向抖音主Feed的推荐场景解决内容分发、用户体验、多目标优化、长期价值建模、生态平衡等问题
与工程、产品、数据科学等团队协作，推动前沿算法方案在大规模线上系统中验证、落地和持续迭代
优先资格
有推荐、搜索、广告、内容理解或大模型系统的工业落地经验
有LLM for RecSys、Agentic RecSys、生成式推荐、推荐大模型、强化学习、多模态推荐等相关经验
有Post-training、Reward Modeling、LLM for Judge、Agent Planning等相关项目经验
在推荐系统、机器学习、NLP、多模态、强化学习等方向发表过较高质量论文，或有较高质量开源项目/竞赛成果
有高DAU/高QPS场景下的算法优化经验，理解大规模线上系统的稳定性、效率和实验约束
对AI for Research、自动化算法迭代、自演进推荐系统有持续关注和系统性思考
AI 洞察
优缺点分析
优点
- 站在推荐系统最前沿，将LLM/Agent与推荐深度结合，技术影响力大
- 字节跳动平台，海量数据和真实场景，成果可快速落地并产生巨大价值
- 团队技术氛围浓厚，有丰富的大规模系统优化经验可供学习
- 薪资待遇优厚，字节跳动在行业内具备较强竞争力
- 跨团队协作复杂，需要良好的沟通能力推动多方对齐
缺点 / 挑战
- 工作强度较高，业务压力大，需要较强的抗压能力和自我驱动
- 技术路线探索性强，需要快速学习并解决未知问题，不确定性较高
- 适合对推荐系统和LLM/Agent有浓厚兴趣、渴望挑战前沿技术、能适应高强度节奏的算法工程师
角色解读
- 技术纵深：成为LLM+推荐领域的专家，推动行业技术演进
- 管理方向：从技术负责人逐步晋升为团队Leader，管理算法小组
- 横向拓展：向多模态、搜索广告等相邻领域扩展，成为AI全栈专家
- 负责将LLM/Agent技术融入抖音推荐系统，设计并实现推荐Agent中枢，包括用户理解、记忆、规划、策略编排等模块
- 推动LLM based RecSys在召回、排序、重排等核心链路的落地与优化，提升推荐效果
- 参与多目标优化、生成式推荐、多模态推荐等前沿方向研发，解决内容分发和长期价值问题
- 与工程、产品、数据团队协作，确保算法在亿级DAU场景下的稳定性和迭代效率
- 扎实的机器学习与深度学习基础，熟悉推荐系统核心链路及常见模型
- 深入理解LLM、Agent、强化学习等技术，具备相关项目经验
- 熟练掌握PyTorch/TensorFlow，具备优秀的编码和工程能力
- 具备系统化思维和跨团队协作能力，能从复杂场景抽象算法问题
申请策略
- 关注字节跳动技术博客和团队分享，了解内部技术方向和文化
- 准备一个与Agentic RecSys相关的技术方案或思考，展现自己对领域的理解
- 重点突出LLM/Agent相关项目经验，如Agent规划、工具调用、SFT/RL等
- 强调推荐系统全链路经验，尤其是召回、排序、多目标优化等在工业界落地的案例
- 展示工程能力，如大规模分布式训练、线上系统优化、A/B实验等
- 如有高质量论文或开源项目，务必详细说明，特别是与Agentic RecSys相关的
- 系统学习LLM原理、Agent框架（如LangChain、AutoGPT）和强化学习算法
- 深入了解推荐系统与LLM结合的最新论文和技术报告，尝试复现部分工作
面试指南
- 对于技术问题，采用STAR原则：情境-任务-行动-结果，结合具体数据和指标
- 对于开放性问题，先给出宏观思路，再深入细节，并对比不同方案的优缺点，体现系统性思考
- 对于协作问题，强调沟通、对齐、推动和结果导向，突出自己在其中的作用
- 请详细描述你参与过的推荐系统项目，你在其中负责的模块和具体贡献
- LLM如何融入推荐系统？请提出几种可能的架构方案并比较优劣
- 如何设计一个推荐Agent的Memory模块？考虑长期和短期记忆的存储与检索
- 在大规模推荐系统中，如何保证LLM推理的效率？有哪些优化手段？
- 请描述一次你解决复杂跨团队协作问题的经历
职位点评
70
综合评分
前沿技术、高薪高压、成长迅猛，适合技术狂人。
更适合这类人
最看重技术成长和前沿探索，愿意牺牲部分生活平衡的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活30
使命价值70
薪资福利
85较高
字节跳动薪资竞争力强，但未明确具体薪资和福利，整体补偿性较高。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
95较高
该岗位处于LLM+推荐最前沿，技术成长空间极大，项目挑战性强，发展性极佳。
技术前沿前沿/新兴技术
技术栈LLM、Agent、推荐系统、强化学习、多模态、生成式推荐
业务类型profit_center
工作生活
30较低
字节跳动通常工作强度较大，未提及WLB信息，生活化动机满足度低。
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
70中等
抖音推荐系统影响数亿用户，技术价值和社会影响力较高，但未直接提及使命。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs