Recrutement pour un Chercheur en Modèles de Recommandation à Singapour

Contexte et Entreprise

Entreprise : 字节跳动
字节跳动 est une entreprise technologique reconnue pour ses efforts dans le développement de services numériques, particulièrement dans le domaine de l’e-commerce et des recommandations personnalisées. Leurs projets innovants visent à améliorer l’expérience utilisateur à grande échelle.

Titre du poste

Recommendation Large Model Researcher | 推荐大模型算法工程师-电商-筋斗云人才计划

Description du poste

Le rôle se concentre sur les services de recommandation pour un mall e-commerce international. L’équipe est responsable de recommandations précises sur divers points d’interaction des utilisateurs, y compris la page d’accueil, les parcours d’achat et les pages de détails des produits. Chaque jour, l’équipe vise à servir centaines de millions d’utilisateurs avec des recommandations sur des produits, des vidéos en direct et des contenus audiovisuels courts.

Ce projet aspire à changer les paradigmes existants des modèles de recommandation afin d’atteindre des performances supérieures aux modèles de base actuels, en appliquant ces innovations à divers scénarios commerciaux tels que Douyin (la version chinoise de TikTok), et d’autres plateformes connexes.

Objectifs et Défis du Projet

L’industrie des modèles de recommandation fait face à plusieurs défis majeurs, notamment :

• Demandes d’efficacité élevée en termes d’ingénierie.
• Personnalisation des expériences utilisateurs qui nécessite une attention particulière.
• Représentation efficace du contenu pour des formats variés comme les vidéos courtes et les directs.

Le projet prévoit de mener des recherches approfondies sur des aspects cruciaux tels que :

1. Apprentissage de la représentation basé sur la compréhension du contenu et le comportement des utilisateurs.
2. Scalabilité des modèles de recommandation et de la puissance de calcul.
3. Modélisation de séquences ultra-longues.
4. Modèles de recommandation génératifs.

Qualifications Requises

Les candidats doivent posséder les qualifications suivantes :

1. Un doctorat en sciences informatiques, mathématiques ou domaines connexes.
2. Une base solide en apprentissage machine avec des compétences en programmation.
3. Expérience de recherche approfondie dans des domaines tels que l’apprentissage machine, le traitement du langage naturel (NLP) et la vision par ordinateur (CV).
4. Antécédents dans des projets clés dans le domaine de la recherche, de la publicité, des recommandations ou de modèles étendus.
5. Publications dans des conférences internationales de renom (KDD, SIGIR, RecSys, ACL, NeurIPS, etc.) sont préférables.
6. Capacité d’analyse et résolution de problèmes, avec un intérêt marqué pour l’innovation technologique.

Conditions de Travail et Localisation

Salaire attendu : À discuter lors de l’entretien.
Localisation : Singapour
Date de publication du poste : Jeudi 29 mai 2025

Postulez

Pour les candidats intéressés par cette opportunité, veuillez cliquer sur le lien suivant :
Postulez dès maintenant !

Ce poste s’inscrit dans une démarche de recherche avant-gardiste et d’innovation en matière de systèmes de recommandation. Les candidats sont encouragés à rejoindre une équipe dévouée à créer une valeur significative pour les utilisateurs à l’échelle mondiale.

---

📅 Date de publication de l’offre : Thu, 29 May 2025 01:34:26 GMT

🏢 Entreprise : 字节跳动

📍 Lieu : Singapore

💼 Intitulé du poste : Recommendation Large Model Researcher | 推荐大模型算法工程师-电商-筋斗云人才计划

💶 Rémunération proposée :

📝 Description du poste : The team primarily focuses on recommendation services for the International E-commerce Mall, covering information flow recommendation in core scenarios such as the mall homepage, transaction funnels, product detail pages, stores & showcases. Committed to providing hundreds of millions of users daily with precise and personalized recommendations for products, live streams, and short videos, the team dedicates itself to solving challenging problems in modern recommendation systems. Through algorithmic innovations, we continuously enhance user experience and efficiency, creating greater user and social value.Project Background/Objectives:
This project aims to explore new paradigms for large models in the recommendation field, breaking through the long-standing structures of recommendation models and Infra solutions, achieving significantly better performance than current baseline models, and applying them across multiple business scenarios such as Douyin short videos/LIVE/E-commerce/Toutiao. Developing large models for recommendation is particularly challenging due to the high demands on engineering efficiency and the personalized nature of user recommendation experiences. The project will conduct in-depth research across the following directions to explore and establish large model solutions for recommendation scenarios:Project Challenges/Necessity:
The emergence of LLMs in the natural language field has outperformed SOTA models in numerous vertical tasks. In contrast, industrial-grade recommendation systems have seen limited major innovations in recent years. This project seeks to revolutionize the long-standing paradigms of recommendation model architectures and Infra in the recommendation field, delivering models with significantly improved performance and applying them to scenarios like Douyin short video and LIVE. Key challenges include:High engineering efficiency requirements for recommendation systems;
Personalized nature of user recommendation experiences;
Effective content representation for media formats like short videos and live streams.
The project will address these through deep research in model parameter scaling, content/user representation learning, multimodal content understanding, ultra-long sequence modeling, and generative recommendation models, driving systematic upgrades to recommendation models.Project Content:
1. Representation Learning Based on Content Understanding and User Behavior
2. Scaling of Recommendation Model Parameters and computing
3. Ultra-Long Sequence Modeling
4. Generative Recommendation Models
Involved Research Directions: Recommendation Algorithms, Large Recommendation Models.团队介绍：
推荐与营销团队，主要负责国际电商商城推荐业务，涵盖商城首页、交易链路、商品详情页、店铺&橱窗等多个核心场景的信息流推荐业务，致力于每天为亿量级用户提供精准个性化商品、直播、短视频推荐服务；团队致力于解决现代推荐系统中各种有挑战的问题，通过算法不断提升用户体验和效率、创造更大的用户和社会价值。课题背景/目标：
本项目旨在探索推荐领域下的大模型新范式，突破现在持续了较长时间的推荐模型结构和Infra的方案，且效果大幅好于现在的基线模型，在抖音短视频/直播/电商/头条等多个业务场景上得到应用。推荐领域的大模型是比较有挑战的事情，推荐对工程效率的要求更高，且用户的推荐体验上是个性化的，本课题会以下多个方向来做深入的研究，探索和建设推荐场景的大模型方案。
课题挑战/必要性：
自然语言领域LLM的出现，效果在众多垂直任务上都好于sota模型，从推荐领域看过去工业级推荐系统在较长的时间没有大幅的变化过。本项目旨在探索推荐领域下的大模型方案，改变现在持续了较长时间的推荐模型结构和Infra的基本范式，且效果大幅好于现在的模型，在抖音短视频/直播等多个业务场景上得到应用。但是怎么做好推荐领域的大模型也是一个比较有挑战的事情，推荐对工程效率的要求更高，且用户的推荐体验上是个性化的，以及如何短视频、直播等体裁上做号内容的表征也是需要被解决的问题，这里会从模型参数scaling up、内容和用户的表征学习、内容理解多模态、超长序列建模、生成式推荐模型等多个方向来做深入的研究，对推荐场景的模型做系统性的升级。
课题内容：
1、基于内容理解和用户行为的表征学习；
2、推荐模型参数和算力scaling up；
3、超长序列建模；
4、生成式推荐模型。
涉及研究方向：推荐算法、推荐大模型。职位要求:1. Got doctor degree, with priority given to candidates in computer science, mathematics, or related fields.
2. Possess a solid foundation in machine learning and coding skills, with in-depth research experience in machine learning, NLP, CV, etc., and be proficient in major algorithms and data structures.
3. Candidates who have participated in or led key projects in search, advertising, recommendation, or large model domains are preferred.
4. Preference for those who have published papers at top international conferences, including but not limited to KDD, SIGIR, RecSys, ACL, NeurIPS, etc.
5. Demonstrate strong problem analysis and solving abilities, passion for technology, and be eager to drive and tackle various challenges.

➡️ Candidater en ligne

---

🔎 Offre d’emploi vérifiée et enrichie selon la ligne éditoriale de l’Association Artia13 : éthique, inclusion, transparence et vigilance contre les annonces trompeuses.

🌍 Retrouvez d’autres offres sur artia13.world