稀土掘金算法工程师（搜索推荐方向）
职位描述
掘金社区研发团队，专注于构建业界领先的技术内容搜索和个性化推荐系统。我们致力于：
1. 打造智能的技术内容理解和匹配系统，提升内容分发效率
2. 构建用户兴趣画像和内容特征模型，实现精准的个性化推荐
3. 优化搜索召回和排序算法，提升技术文章的搜索准确度和时效性
4. 探索前沿的 NLP/推荐算法在技术社区场景的创新应用

职位要求
1. 扎实的计算机基础和算法功底，精通数据结构、常用算法；
2. 熟悉主流机器学习算法和深度学习框架（如 PyTorch/TensorFlow），具备 NLP/推荐系统相关算法实践经验；
3. 对搜索引擎核心技术（如召回、排序、查询理解等）有深入理解，熟悉 Elasticsearch 等相关技术；
4. 具备优秀的数据分析能力，能够通过数据挖掘发现问题并提出解决方案；
5. 良好的工程实践能力，熟悉 Python/Java 等编程语言，有大规模机器学习系统开发经验优先；
6. 3年左右相关工作经验，有技术社区或内容平台算法开发经验者优先。
简历投递HR 直达：xuhuan.1503@bytedance.com

#新人报道# 算法工程师（AI音乐）｜35-55K*15薪｜音乐生成大模型｜codec/tokenizer｜多模态
趣丸科技：集兴趣社交、人工智能、电子竞技等业务于一体的创新型科技企业。
【你将负责】
负责音乐大模型前沿技术研发，覆盖音乐生成（歌曲/纯音乐/音效）与音乐理解方向；
负责音乐生成大模型的算法研究、模型训练；
负责音乐音频表征与量化方式研究：音频编解码器（codec/tokenizer）的设计、训练与迭代；
负责多模态音乐生成（本/歌词/图像/视频等条件驱动），与理解-生成一体化方向的算法研究与开发。
【我们期待】
计算机科学、数学、人工智能或相关领域本科及以上学历；
3 年及以上音乐生成（TTM）/ 音频生成（TTA）/ 大模型（NLP/多模态）相关经验；
熟练使用 PyTorch，扎实的 Python 编程功底。
【核心技术】
音频量化与离散化表征：理解连续表征与离散表征，掌握 BEST-RQ / RVQ / FSQ / SimVQ 等；
掌握音乐生成大模型架构：生成条件编码结构、生成网络结构（AR & DiT）；

跟进音乐生成前沿开源与商业项目，能分析其技术路线与差距；
熟悉音乐/音频理解模型：音乐自监督表征、音频-文本对齐、音乐结构分析与多模态大模型；
有大模型训练经验，掌握预训练、后训练、强化学习阶段的理论与流程；
了解图像生成、视频合成的技术原理（多模态背景）。
【加分项】
在 ISMIR / ICASSP / NeurIPS / InterSpeech 等顶会有论文发表；
热爱音乐，有音乐背景（乐器/乐理/创作）或音乐领域实际项目经验；
有音乐音频 codec / tokenizer 的实际训练与迭代经验。
【我们提供】
35-55K*15薪，行业竞争力月薪 + 年终奖金；
免费一日三餐 + 下午茶；六险一金；年度健康体检；年度 2000 旅游；带薪年假；打车报销/优惠；
新人 landing 体系 & 1V1 领航员助力融入；清晰职业发展双通道（专家/管理）；针对不同人群的学习赋能项目；
周年庆、年会；入职新人大礼包；节日员工礼盒 + 家属礼盒；大玩家 Club；部门团建；健身房、理疗室、艺术课程、瑜伽、普拉提等。
内推优先反馈。期待与你一起，把音乐生成、音频理解与多模态生成推到新的高度。