方向：推荐系统、大模型推荐、生成式推荐、多目标优化、用户建模 岗位简介 我们正在寻找对推荐系统与 AI 科研有热情的实习生，参与音乐推荐场景下的前沿算法研究与验证。 该岗位以科研探索为主，业务验证为辅。你将围绕大模型推荐、生成式推荐、序列建模、多目标排序、用户兴趣建模等方向开展研究，参与从问题定义、文献调研、模型设计、实验分析到论文 / 专利产出的完整科研流程，并在真实工业推荐场景中验证研究效果。 岗位职责 1. 围绕推荐系统、大模型推荐、生成式推荐、多目标排序、用户兴趣建模等方向开展前沿算法研究。 2. 参与科研问题定义、文献调研、方法设计、模型实现、实验验证和结果分析。 3. 推动高质量技术产出，包括论文撰写、专利交底、算法方案沉淀和实验框架建设。 4. 基于真实音乐推荐场景进行算法验证，适当参与今日推荐、你可能喜欢、私人 FM、畅听频道 Feed 流等核心推荐场景优化。 5. 与团队成员协作，将前沿研究方法与工业级数据、系统和评估体系结合，提升研究工作的可验证性与实际价值。 基本要求 1. 计算机、人工智能、机器学习、数据挖掘、信息检索、推荐系统等相关专业，优秀硕士 / 博士在读优先。 2. 具备扎实的机器学习、深度学习和推荐系统基础，熟悉召回、排序、序列建模、Embedding 表征学习、多目标优化等方法。 3. 熟悉 PyTorch / TensorFlow 等至少一种深度学习框架，具备良好的代码实现、实验设计和问题定位能力。 4. 具备较强的文献阅读、问题抽象和独立研究能力，对推荐系统、大模型推荐、生成式推荐等方向有持续兴趣。 5. 能够保证至少 6 个月实习周期，具备稳定投入和持续推进科研项目的意愿。 优先条件 1. 有推荐系统、搜索排序、广告算法、信息流推荐、音乐推荐等相关研究或项目经验。 2. 有 LLM4Rec、生成式推荐、多模态推荐、强化学习、因果推断、图学习等方向研究经验。 3. 有 AI / ML 顶会论文、专利撰写、科研项目经历，或具备较强论文复现与创新能力。 岗位亮点 4. 高水平导师与团队背景：团队核心成员来自 TikTok、抖音、腾讯等大厂核心部门，具备一线推荐系统、搜索排序和广告算法经验。 5. 科研氛围浓厚：团队核心成员累计发表 AI 顶会论文 7 篇，包括 AAAI、IJCAI 等；申请专利 30+；Google Scholar 引用 500+，具备 IEEE 期刊审稿人、CCF 会员等学术背景。 6. 真实工业场景验证：岗位偏重科研探索，不是简单业务执行。实习生有机会参与完整科研链路，并依托真实音乐推荐场景验证研究成果。