{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "豆包大模型算法研究员-Seed",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "研发"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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、面向真实生产力场景，探索和提升大模型Agent的核心智能能力，让Agent能够更自主、可靠地完成复杂工作；方向覆盖General Agent、Coding Agent及其交叉场景；\n2、围绕真实高价值任务开展Agent能力优化，包括但不限于：\n1）搜索调研、信息处理、数据分析等复杂知识工作；\n2）代码理解、代码生成与修改、测试、Debug、Repo-level软件工程任务；\n3）跨工具、跨步骤、长程复杂任务中的规划、执行、验证与动态调整；\n3、围绕Agent核心能力和训练方法开展研究与优化，包括但不限于：\n1）Planning、Tool Use、Context Management、Memory、Verification；\n2）指令与格式遵循、事实性与幻觉治理；\n3）Long-horizon Agent、错误恢复与自我纠正；\n4）大规模任务与环境构造、Trajectory生成与筛选；\n5）Reward/Verifier、强化学习、Self-improvement等训练方法；\n4、从真实职业和工作流出发，系统梳理高价值任务，例如研究、数据分析、投资分析、软件开发等，将真实工作转化为可训练、可评测、可规模化的Agent任务与环境；\n5、深入分析Agent的执行轨迹和失败模式，建立从任务与评测、问题定位到数据、训练和系统优化的完整闭环，持续提升Agent在真实任务上的完成能力和泛化能力。",
        "requirements_text": "1、扎实的机器学习/强化学习基础，或优秀的软件工程与系统能力，在Agent、强化学习、代码智能或相关方向有深入积累；\n2、出色的问题分析和解决能力，能够从模型表现和真实任务中发现关键问题，形成靠谱的技术判断，并独立推动方案设计、实验验证和最终落地；\n3、优秀的代码和工程能力，熟练使用Python，具备良好的系统调试和复杂工程实践能力，能够独立完成数据分析、环境构建、Agent实验、训练、评测和问题定位；\n4、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议发表过相关高质量工作，或主导过有影响力的Agent、模型训练或智能软件系统项目者优先；\n5、在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等算法或编程比赛中取得优秀成绩者优先；\n6、对AI的实际效用和突破性应用有热情，自驱力强，愿意挑战开放、复杂、没有标准答案的问题，并关注技术最终能否转化为真实可用的Agent能力。",
        "skills": [AI生成
            "Python",
            "机器学习",
            "强化学习",
            "数据分析",
            "模型训练"
        ],
        "preferred_qualifications": "4、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议发表过相关高质量工作，或主导过有影响力的Agent、模型训练或智能软件系统项目者优先；5、在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等算法或编程比赛中取得优秀成绩者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7602580141543344389/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7602580141543344389",
        "post_date": "2026-02-03",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7602580141543344389/detail"
    },
    "fulltext": "豆包大模型算法研究员-Seed\n职位描述\n1、面向真实生产力场景，探索和提升大模型Agent的核心智能能力，让Agent能够更自主、可靠地完成复杂工作；方向覆盖General Agent、Coding Agent及其交叉场景；\n2、围绕真实高价值任务开展Agent能力优化，包括但不限于：\n1）搜索调研、信息处理、数据分析等复杂知识工作；\n2）代码理解、代码生成与修改、测试、Debug、Repo-level软件工程任务；\n3）跨工具、跨步骤、长程复杂任务中的规划、执行、验证与动态调整；\n3、围绕Agent核心能力和训练方法开展研究与优化，包括但不限于：\n1）Planning、Tool Use、Context Management、Memory、Verification；\n2）指令与格式遵循、事实性与幻觉治理；\n3）Long-horizon Agent、错误恢复与自我纠正；\n4）大规模任务与环境构造、Trajectory生成与筛选；\n5）Reward/Verifier、强化学习、Self-improvement等训练方法；\n4、从真实职业和工作流出发，系统梳理高价值任务，例如研究、数据分析、投资分析、软件开发等，将真实工作转化为可训练、可评测、可规模化的Agent任务与环境；\n5、深入分析Agent的执行轨迹和失败模式，建立从任务与评测、问题定位到数据、训练和系统优化的完整闭环，持续提升Agent在真实任务上的完成能力和泛化能力。\n\n职位要求\n1、扎实的机器学习/强化学习基础，或优秀的软件工程与系统能力，在Agent、强化学习、代码智能或相关方向有深入积累；\n2、出色的问题分析和解决能力，能够从模型表现和真实任务中发现关键问题，形成靠谱的技术判断，并独立推动方案设计、实验验证和最终落地；\n3、优秀的代码和工程能力，熟练使用Python，具备良好的系统调试和复杂工程实践能力，能够独立完成数据分析、环境构建、Agent实验、训练、评测和问题定位；\n4、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议发表过相关高质量工作，或主导过有影响力的Agent、模型训练或智能软件系统项目者优先；\n5、在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等算法或编程比赛中取得优秀成绩者优先；\n6、对AI的实际效用和突破性应用有热情，自驱力强，愿意挑战开放、复杂、没有标准答案的问题，并关注技术最终能否转化为真实可用的Agent能力。\n1、面向真实生产力场景，探索和提升大模型Agent的核心智能能力，让Agent能够更自主、可靠地完成复杂工作；方向覆盖General Agent、Coding Agent及其交叉场景；\n2、围绕真实高价值任务开展Agent能力优化，包括但不限于：\n1）搜索调研、信息处理、数据分析等复杂知识工作；\n2）代码理解、代码生成与修改、测试、Debug、Repo-level软件工程任务；\n3）跨工具、跨步骤、长程复杂任务中的规划、执行、验证与动态调整；\n3、围绕Agent核心能力和训练方法开展研究与优化，包括但不限于：\n1）Planning、Tool Use、Context Management、Memory、Verification；\n2）指令与格式遵循、事实性与幻觉治理；\n3）Long-horizon Agent、错误恢复与自我纠正；\n4）大规模任务与环境构造、Trajectory生成与筛选；\n5）Reward/Verifier、强化学习、Self-improvement等训练方法；\n4、从真实职业和工作流出发，系统梳理高价值任务，例如研究、数据分析、投资分析、软件开发等，将真实工作转化为可训练、可评测、可规模化的Agent任务与环境；\n5、深入分析Agent的执行轨迹和失败模式，建立从任务与评测、问题定位到数据、训练和系统优化的完整闭环，持续提升Agent在真实任务上的完成能力和泛化能力。\n1、扎实的机器学习/强化学习基础，或优秀的软件工程与系统能力，在Agent、强化学习、代码智能或相关方向有深入积累；\n2、出色的问题分析和解决能力，能够从模型表现和真实任务中发现关键问题，形成靠谱的技术判断，并独立推动方案设计、实验验证和最终落地；\n3、优秀的代码和工程能力，熟练使用Python，具备良好的系统调试和复杂工程实践能力，能够独立完成数据分析、环境构建、Agent实验、训练、评测和问题定位；\n4、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议发表过相关高质量工作，或主导过有影响力的Agent、模型训练或智能软件系统项目者优先；\n5、在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等算法或编程比赛中取得优秀成绩者优先；\n6、对AI的实际效用和突破性应用有热情，自驱力强，愿意挑战开放、复杂、没有标准答案的问题，并关注技术最终能否转化为真实可用的Agent能力。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}