主分类：大模型与生成式算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AIGC算法实习生 - 内容消费与非闭环营销",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "2027届本科及以上学历在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：内容消费与非闭环营销技术团队，服务内容消费和非闭环营销行业数十万客户和十亿级用户。其中，内容消费行业包括游戏、小游戏、短剧、小说、社交与工具等行业，非闭环营销行业包括平台电商、引流电商等行业。内容消费与非闭环营销围绕客户深转、ROI等本质诉求，构建了完整的产品矩阵，知名产品有UBA/UBP自动化产品、深转ROI1\\ROI7产品等。研发团队主要通过技术手段支持行业的收入和市占提升，工作内容包括：投放策略优化（出价、自动化）、模型优化（深度延迟和稀疏转化建模、序列建模、Large Recommend Model等）、流量和体验策略优化（ROI3产品、推荐广告融合、多目标建模等）、AI内容理解和生成（多模态模型、营销创意&剧集生成等）、定价和权益激励策略优化（智能定价、QCPX等）、海量创意自动化托管投放架构（DPA）、新产品开发等。\n\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n\n1、基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案、图像到视频的全模态创意AIGC；\n2、针对商业化短剧和漫画短剧场景定制化训练和优化模型，提升素材生产效率、素材质量，包括不限于迭代Reward Model指导生成模型生成多模态素材提升广告体验和转化率等；\n3、通过自动化投放，打通AIGC创意的动态个性化生产，最终提升广告的变现效率。",
"requirements_text": "1、2027届本科及以上学历在读，计算机、机器学习等相关专业优先；\n2、热爱计算机科学和互联网技术，对人工智能类产品有浓厚兴趣；\n3、具备扎实的编码能力，熟悉Linux开发环境，熟悉C++和Python语言优先；\n4、有扎实的数据结构和算法功底，熟悉机器学习、自然语言处理、数据挖掘、分布式计算、计算机视觉、计算机图形、语音识别与合成中一项或多项；\n5、对推荐系统、计算广告、搜索引擎相关技术有经验者优先；\n6、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"机器学习",
"自然语言处理",
"计算机视觉",
"数据结构",
"数据挖掘",
"解决问题"
],
"preferred_qualifications": "1、2027届本科及以上学历在读，计算机、机器学习等相关专业优先；3、具备扎实的编码能力，熟悉Linux开发环境，熟悉C++和Python语言优先；5、对推荐系统、计算广告、搜索引擎相关技术有经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7598576898786478341/detail"
}
]
},
"posting": {
"posting_id": "7598576898786478341",
"post_date": "2026-01-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7598576898786478341/detail"
},
"fulltext": "AIGC算法实习生 - 内容消费与非闭环营销\n职位描述\n团队介绍：内容消费与非闭环营销技术团队，服务内容消费和非闭环营销行业数十万客户和十亿级用户。其中，内容消费行业包括游戏、小游戏、短剧、小说、社交与工具等行业，非闭环营销行业包括平台电商、引流电商等行业。内容消费与非闭环营销围绕客户深转、ROI等本质诉求，构建了完整的产品矩阵，知名产品有UBA/UBP自动化产品、深转ROI1\\ROI7产品等。研发团队主要通过技术手段支持行业的收入和市占提升，工作内容包括：投放策略优化（出价、自动化）、模型优化（深度延迟和稀疏转化建模、序列建模、Large Recommend Model等）、流量和体验策略优化（ROI3产品、推荐广告融合、多目标建模等）、AI内容理解和生成（多模态模型、营销创意&剧集生成等）、定价和权益激励策略优化（智能定价、QCPX等）、海量创意自动化托管投放架构（DPA）、新产品开发等。\n\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n\n1、基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案、图像到视频的全模态创意AIGC；\n2、针对商业化短剧和漫画短剧场景定制化训练和优化模型，提升素材生产效率、素材质量，包括不限于迭代Reward Model指导生成模型生成多模态素材提升广告体验和转化率等；\n3、通过自动化投放，打通AIGC创意的动态个性化生产，最终提升广告的变现效率。\n\n职位要求\n1、2027届本科及以上学历在读，计算机、机器学习等相关专业优先；\n2、热爱计算机科学和互联网技术，对人工智能类产品有浓厚兴趣；\n3、具备扎实的编码能力，熟悉Linux开发环境，熟悉C++和Python语言优先；\n4、有扎实的数据结构和算法功底，熟悉机器学习、自然语言处理、数据挖掘、分布式计算、计算机视觉、计算机图形、语音识别与合成中一项或多项；\n5、对推荐系统、计算广告、搜索引擎相关技术有经验者优先；\n6、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情。\n团队介绍：内容消费与非闭环营销技术团队，服务内容消费和非闭环营销行业数十万客户和十亿级用户。其中，内容消费行业包括游戏、小游戏、短剧、小说、社交与工具等行业，非闭环营销行业包括平台电商、引流电商等行业。内容消费与非闭环营销围绕客户深转、ROI等本质诉求，构建了完整的产品矩阵，知名产品有UBA/UBP自动化产品、深转ROI1\\ROI7产品等。研发团队主要通过技术手段支持行业的收入和市占提升，工作内容包括：投放策略优化（出价、自动化）、模型优化（深度延迟和稀疏转化建模、序列建模、Large Recommend Model等）、流量和体验策略优化（ROI3产品、推荐广告融合、多目标建模等）、AI内容理解和生成（多模态模型、营销创意&剧集生成等）、定价和权益激励策略优化（智能定价、QCPX等）、海量创意自动化托管投放架构（DPA）、新产品开发等。\n\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n\n1、基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案、图像到视频的全模态创意AIGC；\n2、针对商业化短剧和漫画短剧场景定制化训练和优化模型，提升素材生产效率、素材质量，包括不限于迭代Reward Model指导生成模型生成多模态素材提升广告体验和转化率等；\n3、通过自动化投放，打通AIGC创意的动态个性化生产，最终提升广告的变现效率。\n1、2027届本科及以上学历在读，计算机、机器学习等相关专业优先；\n2、热爱计算机科学和互联网技术，对人工智能类产品有浓厚兴趣；\n3、具备扎实的编码能力，熟悉Linux开发环境，熟悉C++和Python语言优先；\n4、有扎实的数据结构和算法功底，熟悉机器学习、自然语言处理、数据挖掘、分布式计算、计算机视觉、计算机图形、语音识别与合成中一项或多项；\n5、对推荐系统、计算广告、搜索引擎相关技术有经验者优先；\n6、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}