招聘城市：北京
…负责强化学习后训练的算法优化，包括Reward Model优化、强化学习算法迭代等，持续提升训练效果；
2.负责强化学习仿真环境的演进，不断提升强化学习训练的天花板；
3.负责跟踪推荐与大模型领域的前沿强化学习技术在实际的应用落地。
岗位要求：
1.精通Python/C++/Java等编程语言，熟练使用TensorFlow/PyTorch等框架，熟悉常见强化学习算法；
2.有推荐/广告业务经验，或LLM中的强化学习训练经验；
3.对前沿技术充满热情，具备较强的创新思维，能主动探索新技术在业务中的应用，面对复杂问题能提出有效解决方案。
岗位介绍：
渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿…
…商业化推荐平台的生成式推荐技术研究基于大模型Agent的腾讯电商广告推荐研究多模态大模型与强化学习驱动的广告投放Agent面向商业化推荐的统一多模态生成面向商业化场景的统一多模态表征大模型技术研究基于LLM的广告系统实验设计与衡量机器学习平台技术研究优化算法在广告推荐场景的应用研究基于Agentic AI的自主进化广告审核专家Agent构建大规模语义理解的 agent 数据和知识问答技术校招岗位算法-多模态方向算法-推荐算法方向算法-机器学习方向技术研究-高性能计算方向算法-数据科学方向技术社招岗位大模型深度LTV-算法工程师大模型广告算法工程师-搜索广告方向高级广告算法工程师…
招聘城市：上海
…1.基于大模型以及强化学习能力优化智能投放产品，提升广告投放效果和效率；
2.负责广告全链路模型优化，包括广告召回排序模型、精排模型(pCTR,pCVR,pLTV)等。方向包括长序列行为模型、生成式召回模型、多场景联合建模、多链路辅助建模、LLM结合推荐等先进技术创新突破探索；
3.基于内外部数据，运用统计学、机器学习、计算广告等多个领域知识，对oCPA广告成本达成率、起量等多个关键指标进行垂直行业的问题分析和定位；
4.研发行业算法策略，包括但不限于设计和实现广告起量策略、分行业模型校准、行业EE算法等，进行召回/粗排/精排全链路优化，提升行业效果和收入；
5.负责腾讯广告业务场景的落地，紧贴业务需求出发…
招聘城市：北京
…跃迁，重塑广告系统的底层能力范式；
-新技术验证：在腾讯亿级流量场景中，验证大模型驱动的广告技术革命，用真实业务数据证明“颠覆性创新”的商业价值。
岗位要求：
1.技术野心家：对大模型技术充满信仰，具备在推荐系统、NLP、生成式AI等领域的硬核实力，曾在Transformer、图神经网络、强化学习等方向有过实战攻坚；
2.极致创新控：对技术无人区充满兴奋感，敢于用颠覆性方案挑战行业固有认知；
3.商业洞察者：不满足于“实验室效果”，渴望在真实业务战场中验证技术的终极价值。
岗位介绍：
渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索，积极…
招聘城市：北京
…包含但不限于超长序列建模、推荐多模态大模型、多场景多任务学习、Scaling up复杂交叉网络，强化学习/生成式出价，AI 智能投放等技术方向。
岗位要求：
1.本科及以上学历，计算机、数学、人工智能等相关专业；
2.扎实的编程能力和算法功底，熟练掌握Python/C++/Java等至少一种编程语言；
3.扎实的机器学习/深度学习理论基础，熟练掌握Tensorflow/Pytorch等至少一种主流深度学习框架，了解 Hadoop/Spark/Flink等大数据平台工具的使用；
4.优秀的逻辑思维能力，优秀的分析问题与解决问题的能力，对解决具有挑战性问题充满激情；
5.善于沟通，工作积极主动，责任心强，自驱力强，能持续学习，具备良好的团队协作能力。
6.有海外广告推荐领域经验者优先。…
招聘城市：北京
岗位职责：
1.负责视频号短视频业务的推荐技术优化，包括但不限于召回、粗排、精排、重排、视频冷启动等；
2.负责视频号短视频业务的业务策略优化，包含但不限于人群优化、社交推荐、内容生态等；
3.负责若干前瞻方向的探索，包括LLM4Rec、推荐大模型、生成式推荐等方向。
岗位要求：
1.扎实的机器学习基础、良好的工程素养，能够快速进行算法实现和迭代；
2.有推荐系统或广告系统优化经验者、有短视频推荐业务优化经验者优先；
3.有大语言模型、多模态大模型、强化学习等方向的研究和实践经验者优先；
4.有探索技术的热情、乐于挑战困难问题、有良好的沟通和协作能力。
招聘城市：深圳
…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；
3、扎实的编程能力，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；
4、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；
5、有较好的沟通能力、团队协作能力，积极主动，愿意接受挑战。
岗位介绍：
渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯…
招聘城市：北京
…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；
3、扎实的编程能力，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；
4、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；
5、有较好的沟通能力、团队协作能力，积极主动，愿意接受挑战。
岗位介绍：
渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯…
招聘城市：北京
…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；
2.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；
3.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；
4.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。
岗位要求：
1.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；
2.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…
招聘城市：北京
…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；
2.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；
3.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；
4.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。
岗位要求：
1.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；
2.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…
招聘城市：北京
…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；
2.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；
3.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；
4.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。
岗位要求：
1.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；
2.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…
招聘城市：北京
…1.负责搜索广告前沿技术探索，基于 LLM 重塑引擎链路，持续提升用户意图理解，以及精准的需求匹配；
2.生成式召排，打破 MCA 级联链路范式，往端到端推荐链路演进；
3.相关性模型，通过大模型持续预训练、强化微调及多模态理解技术，提升搜索词与广告的匹配精度，优化用户搜索体验；
4.深度语义理解排序，传统人工语义特征，升级到大模型理解的 token 范式；
5.积极跟进AI学术界和业界的最新动态，优化内部技术方案，不断推进广告算法设计升级。
岗位要求：
1.学历与专业：硕士及以上学历，计算机科学与技术、人工智能、机器学习等相关专业背景，具备扎实的理论基础；
2.工作经验：拥有 3-5 年大模型算法研究或实际落地经验，熟悉…
招聘城市：深圳
…2.领域经验：深耕推荐、广告或搜索系统，在召回、排序、重排等主流环节有丰富的工程实践；深刻理解 LLM + RecSys/Search 的融合路径，熟悉语义搜索、多模态理解及大模型在长尾分发中的应用趋势；
3.模型与算法：扎实的机器学习理论，精通 Transformer、DeepFM、DIN 等经典架构，具备丰富的 CTR/CVR 预估调优经验；精通主流大模型（如 LLaMA、DeepSeek、Qwen）的架构，掌握 MoE（Mixture of Experts） 原理；熟练应用 PEFT（如 LoRA、AdaLoRA） 微调技术，并对 RLHF（基于人类反馈的强化学习） 或 DPO（直接偏好优化） 有实际操作经验；
4.编程与数据处理：精通 Python、C++ 或 Java，具备高效的 SQL 编写能力及数据结构功底；熟练使用 Spark/Flink 进行大规模特征工程，具备向量数据库的使用与优化经验…
