腾讯
微信视频号-推荐大模型算法工程师-短剧垂类
微信视频号-推荐大模型算法工程师-短剧垂类
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
大模型
推荐算法
数据分析
机器学习
深度学习
视频流推荐
链路优化
值不值得投
81综合评分
综合评分 81
头部大厂核心业务、前沿技术驱动、成长空间广阔，但工作节奏偏快
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
4.5万
比推荐系统中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2180 个在招
市场机会
选择不多
广州 · 推荐系统 · 6 个在招
职位详情
关于这个职位
负责微信视频号短剧业务的推荐算法建设与优化，涵盖粗排、召回、精排及混排等核心链路迭代
通过数据分析追踪业务效果，运用机器学习和深度学习原理解决实际问题，推动整体推荐效果提升
最低要求
本科及以上学历，硕士、博士优先，2年以上相关工作经验
深入掌握机器学习、深度学习算法及原理
优秀的从原理源头分析问题、解决问题能力和团队合作意识
工作积极性强、沟通能力好
工作职责
负责视频号短剧业务的建设与优化，如短剧推荐的算法迭代
负责策略、混排、精排、粗排、召回等链路优化
通过数据分析追踪效果，推动整体效果的优化
优先资格
有视频流推荐和广告相关经验优先
AI 洞察
优缺点分析
优点
- 依托微信视频号庞大流量池，业务场景丰富且数据质量高，技术落地价值显著
- 头部大厂平台背书，技术栈前沿，内部培训与晋升机制完善
- 短剧垂类竞争激烈，算法调优需持续跟进用户偏好变化，对实时性与准确率要求极高
- 适合具备扎实算法功底、对短视频/短剧内容有敏锐洞察，且能在高压环境下快速迭代优化的技术型人才
缺点 / 挑战
- 大厂内部考核严格，需承受较高的业务指标压力
角色解读
- 可向资深算法专家或技术负责人方向发展，深耕推荐系统与大模型融合应用
- 未来可拓展至内容生态策略、商业化广告算法或AI基础模型研发领域
- 负责视频号短剧垂类的推荐算法设计与迭代，覆盖粗排、召回、精排到混排的全链路优化
- 利用大数据分析与A/B测试验证算法效果，持续提升用户观看时长与互动指标
- 扎实的机器学习与深度学习理论基础，熟悉推荐系统核心架构与排序模型
- 具备较强的数据分析能力与业务敏感度，能独立定位并解决算法瓶颈
- 良好的跨部门沟通与团队协作能力
申请策略
- 提前研究视频号短剧生态现状与竞品推荐逻辑，准备1-2个完整的算法落地复盘案例
- 关注腾讯价值观与技术文化，面试中展现解决问题的底层思维
- 突出推荐系统项目经验，详细量化算法迭代带来的核心指标提升（如CTR、CVR、留存率）
- 强调大模型在推荐场景中的实际应用案例
- 补充大规模分布式训练与推理优化技能，熟悉主流推荐框架及特征工程工具
- 加强业务数据分析与归因分析能力
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出问题定义、方案对比、实验设计及数据验证过程
- 针对理论题，先阐述核心概念，再结合业务场景给出权衡策略
- 请分享一个你主导的推荐算法优化项目，说明你的思路与最终收益
- 如何平衡推荐系统的探索与利用（Exploration vs Exploitation）？
- 大模型与传统推荐模型相比有哪些优势与挑战？
- 复习经典排序模型及最新大模型推荐论文
- 梳理过往项目中遇到的线上故障排查与模型回滚经验
- 了解腾讯视频号近期产品动态与行业趋势
职位点评
薪资福利85
成长发展90
工作生活65
使命价值75
薪资福利
85较高
腾讯作为头部互联网企业，提供具有市场竞争力的薪资与完善的福利体系，对补偿性动机满足度较高。
薪资信号市场水准 (3.0千–6.0万/月)
成长发展
90较高
岗位聚焦推荐大模型与短剧垂类前沿方向，技术挑战性强，内部成长资源丰富，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈推荐算法、大模型、机器学习、深度学习
业务类型profit_center
工作生活
65中等
JD未明确提及工作模式与加班安排，仅从岗位要求看侧重算法迭代与效果优化，生活化动机满足程度暂按常规评估。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
参与国民级应用视频号的内容生态建设，直接影响数亿用户的娱乐体验，具有一定的社会影响力与行业价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs