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": "多模态算法（生成模型方向）实习生-TikTok隐私安全",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "上海",
"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届硕士及以上学位在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "ByteIntern：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团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。\nTikTok隐私安全团队站在国际化战略第一线，使命是让TikTok成为人们可以在其中放心地探索、创作与连接的平台。\n我们的职责是：\n1、在TikTok内给用户提供安全及隐私保护功能，保障用户安全和放心使用产品；\n2、保护TikTok用户的隐私，包括用户数据在完整生命周期的安全及产品在各地区的合规。\n\n1、参与新一代文生图/文生视频模型的架构设计与深度优化；\n2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；\n3、参与或主导以下方向的设计与实现：Diffusion Transformer（DiT/MM-DiT）架构改进；文生图/文生视频统一模型设计；Latent space/Tokenization/Conditioning机制优化；\n4、对模型进行系统级与算法级联合优化：包括训练稳定性、收敛速度；显存/算力效率；生成质量与一致性；\n5、针对长序列、高分辨率、视频等场景：设计高效Attention/Temporal modeling方案；处理Long-context/Long-latent问题；\n6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。",
"requirements_text": "1、2027届硕士及以上学位在读，人工智能、计算机、软件、数学等相关专业优先；\n2、深入理解：Diffusion/Flow Matching/Rectified Flow；\n3、熟悉DiT/Transformer在生成模型中的用法；\n4、能从公式、代码、训练、生成结果全链路Debug；\n5、熟练使用PyTorch，具备训练大模型的工程能力。\n\n加分项：\n1、有文生图/文生视频模型实战经验（非概念验证）；\n2、熟悉多模态建模（Text/Image/Video/Audio）；\n3、有论文或开源项目。",
"skills": [AI生成
"PyTorch",
"建模",
"大语言模型"
],
"preferred_qualifications": "1、2027届硕士及以上学位在读，人工智能、计算机、软件、数学等相关专业优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7602917119873059077/detail"
}
]
},
"posting": {
"posting_id": "7602917119873059077",
"post_date": "2026-02-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7602917119873059077/detail"
},
"fulltext": "多模态算法（生成模型方向）实习生-TikTok隐私安全\n职位描述\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团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。\nTikTok隐私安全团队站在国际化战略第一线，使命是让TikTok成为人们可以在其中放心地探索、创作与连接的平台。\n我们的职责是：\n1、在TikTok内给用户提供安全及隐私保护功能，保障用户安全和放心使用产品；\n2、保护TikTok用户的隐私，包括用户数据在完整生命周期的安全及产品在各地区的合规。\n\n1、参与新一代文生图/文生视频模型的架构设计与深度优化；\n2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；\n3、参与或主导以下方向的设计与实现：Diffusion Transformer（DiT/MM-DiT）架构改进；文生图/文生视频统一模型设计；Latent space/Tokenization/Conditioning机制优化；\n4、对模型进行系统级与算法级联合优化：包括训练稳定性、收敛速度；显存/算力效率；生成质量与一致性；\n5、针对长序列、高分辨率、视频等场景：设计高效Attention/Temporal modeling方案；处理Long-context/Long-latent问题；\n6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。\n\n职位要求\n1、2027届硕士及以上学位在读，人工智能、计算机、软件、数学等相关专业优先；\n2、深入理解：Diffusion/Flow Matching/Rectified Flow；\n3、熟悉DiT/Transformer在生成模型中的用法；\n4、能从公式、代码、训练、生成结果全链路Debug；\n5、熟练使用PyTorch，具备训练大模型的工程能力。\n\n加分项：\n1、有文生图/文生视频模型实战经验（非概念验证）；\n2、熟悉多模态建模（Text/Image/Video/Audio）；\n3、有论文或开源项目。\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团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。\nTikTok隐私安全团队站在国际化战略第一线，使命是让TikTok成为人们可以在其中放心地探索、创作与连接的平台。\n我们的职责是：\n1、在TikTok内给用户提供安全及隐私保护功能，保障用户安全和放心使用产品；\n2、保护TikTok用户的隐私，包括用户数据在完整生命周期的安全及产品在各地区的合规。\n\n1、参与新一代文生图/文生视频模型的架构设计与深度优化；\n2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；\n3、参与或主导以下方向的设计与实现：Diffusion Transformer（DiT/MM-DiT）架构改进；文生图/文生视频统一模型设计；Latent space/Tokenization/Conditioning机制优化；\n4、对模型进行系统级与算法级联合优化：包括训练稳定性、收敛速度；显存/算力效率；生成质量与一致性；\n5、针对长序列、高分辨率、视频等场景：设计高效Attention/Temporal modeling方案；处理Long-context/Long-latent问题；\n6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。\n1、2027届硕士及以上学位在读，人工智能、计算机、软件、数学等相关专业优先；\n2、深入理解：Diffusion/Flow Matching/Rectified Flow；\n3、熟悉DiT/Transformer在生成模型中的用法；\n4、能从公式、代码、训练、生成结果全链路Debug；\n5、熟练使用PyTorch，具备训练大模型的工程能力。\n\n加分项：\n1、有文生图/文生视频模型实战经验（非概念验证）；\n2、熟悉多模态建模（Text/Image/Video/Audio）；\n3、有论文或开源项目。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}