主分类：数据库与存储系统研发
辅助：大模型与生成式算法研发（仅展示）
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": "云搜索AI研究实习生-算力与AI基础设施",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "基础架构"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": "硕士及以上学位在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\n团队介绍：字节跳动云基础设施部门，通过云技术管理着百万量级的服务器构成的超大数据中心。我们通过深度优化千万级容器实例与算力优化，搭建EB级数据存储治理体系，探索新一代搜索型数据库与大规模AI集群下的高速网络通信，我们积极拥抱开源和创新的软硬件架构，致力于构建业界领先、稳定、高可用的面向LLM的AI云原生的基础设施架构与产品矩阵，为整个公司的业务和客户发展保驾护航。\n\n1、在导师指导下，围绕大规模向量检索场景开展研究与验证，设计并实现具备大容量、高吞吐、低延迟、高召回、高精度、可扩展等特性的向量检索方案；工作内容包括但不限于：索引与检索、压缩与量化、复杂场景查询、软硬件协同优化、分布式系统；\n2、在导师指导下探索LLM与检索结合的系统化方案，围绕Multi-Agent/Agentic RAG/DeepResearch等范式研究可复现的有效路径，提升复杂多跳任务下的可靠性与可控性，工作内容包括但是不限于：RAG、Agent、评测与对齐；\n3、持续跟踪学术界与工业界在向量数据库/向量索引/Agentic RAG方向的最新进展，输出技术解读与复现实验；对标主流系统（Milvus/PGVector/Chroma/Weaviate/Faiss/ScaNN/DiskANN等），推动内部路线选择与产品市场力构建；\n4、协助团队在SIGMOD/VLDB/OSDI/SOSP/ICML/ACL/ICLR等高水平会议发表论文，并申请相关专利（算法、系统架构、量化压缩、评测体系、Agentic RAG等）。",
"requirements_text": "1、硕士及以上学位在读，计算机、通信等相关专业；\n2、了解常用量化压缩算法（PQ、SQ、RaBitQ等）、向量索引（IVF、HNSW、NSG、DiskANN、LSH等）与向量数据库（Milvus/Chroma/PGVector等）的基本原理；\n3、在CCF-A（或同等级别）会议/期刊发表过至少1篇论文，具备推进研究问题、设计实验、写作投稿的能力；\n4、热爱编程，有较强的学习能力，有强烈的求知欲、好奇心和进取心，能及时关注和学习业界最新技术。\n\n加分项：\n1、以第一作者或除导师外第一作者身份在SIGMOD/VLDB/OSDI/SOSP/ICML/ACL/ICLR等（或同等级别DB/系统/AI顶会）发表过论文；\n2、在ACM-ICPC、NOI等信息学竞赛中获得区域金牌及以上奖项；\n3、数学能力特别突出或有相关理论工作经验者；\n4、有经典数据库内核/优化器/执行引擎经验（PostgreSQL/SparkSQL/Neo4j等），或在索引设计、存储格式、事务/并发、Compaction等方面有实战经验；\n5、在Agentic RAG、LLM Finetune（SFT/LoRA/RLHF等）、检索增强评测、对齐与可靠性等有实战经验；\n6、熟悉PyTorch等框架，能完成训练/推理/评测管线搭建；熟悉GPU架构与CUDA C++，或有向量计算/检索算子GPU化经验；熟悉分布式系统基本原理（共识、复制、调度、资源隔离、可观测性等）及相关工程框架。",
"skills": [AI生成
"C++",
"PostgreSQL",
"PyTorch",
"CUDA",
"分布式系统",
"数据库",
"可靠性",
"学习能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "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/7605087195226392885/detail"
}
]
},
"posting": {
"posting_id": "7605087195226392885",
"post_date": "2026-02-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7605087195226392885/detail"
},
"fulltext": "云搜索AI研究实习生-算力与AI基础设施\n职位描述\n日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\n团队介绍：字节跳动云基础设施部门，通过云技术管理着百万量级的服务器构成的超大数据中心。我们通过深度优化千万级容器实例与算力优化，搭建EB级数据存储治理体系，探索新一代搜索型数据库与大规模AI集群下的高速网络通信，我们积极拥抱开源和创新的软硬件架构，致力于构建业界领先、稳定、高可用的面向LLM的AI云原生的基础设施架构与产品矩阵，为整个公司的业务和客户发展保驾护航。\n\n1、在导师指导下，围绕大规模向量检索场景开展研究与验证，设计并实现具备大容量、高吞吐、低延迟、高召回、高精度、可扩展等特性的向量检索方案；工作内容包括但不限于：索引与检索、压缩与量化、复杂场景查询、软硬件协同优化、分布式系统；\n2、在导师指导下探索LLM与检索结合的系统化方案，围绕Multi-Agent/Agentic RAG/DeepResearch等范式研究可复现的有效路径，提升复杂多跳任务下的可靠性与可控性，工作内容包括但是不限于：RAG、Agent、评测与对齐；\n3、持续跟踪学术界与工业界在向量数据库/向量索引/Agentic RAG方向的最新进展，输出技术解读与复现实验；对标主流系统（Milvus/PGVector/Chroma/Weaviate/Faiss/ScaNN/DiskANN等），推动内部路线选择与产品市场力构建；\n4、协助团队在SIGMOD/VLDB/OSDI/SOSP/ICML/ACL/ICLR等高水平会议发表论文，并申请相关专利（算法、系统架构、量化压缩、评测体系、Agentic RAG等）。\n\n职位要求\n1、硕士及以上学位在读，计算机、通信等相关专业；\n2、了解常用量化压缩算法（PQ、SQ、RaBitQ等）、向量索引（IVF、HNSW、NSG、DiskANN、LSH等）与向量数据库（Milvus/Chroma/PGVector等）的基本原理；\n3、在CCF-A（或同等级别）会议/期刊发表过至少1篇论文，具备推进研究问题、设计实验、写作投稿的能力；\n4、热爱编程，有较强的学习能力，有强烈的求知欲、好奇心和进取心，能及时关注和学习业界最新技术。\n\n加分项：\n1、以第一作者或除导师外第一作者身份在SIGMOD/VLDB/OSDI/SOSP/ICML/ACL/ICLR等（或同等级别DB/系统/AI顶会）发表过论文；\n2、在ACM-ICPC、NOI等信息学竞赛中获得区域金牌及以上奖项；\n3、数学能力特别突出或有相关理论工作经验者；\n4、有经典数据库内核/优化器/执行引擎经验（PostgreSQL/SparkSQL/Neo4j等），或在索引设计、存储格式、事务/并发、Compaction等方面有实战经验；\n5、在Agentic RAG、LLM Finetune（SFT/LoRA/RLHF等）、检索增强评测、对齐与可靠性等有实战经验；\n6、熟悉PyTorch等框架，能完成训练/推理/评测管线搭建；熟悉GPU架构与CUDA C++，或有向量计算/检索算子GPU化经验；熟悉分布式系统基本原理（共识、复制、调度、资源隔离、可观测性等）及相关工程框架。\n日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\n团队介绍：字节跳动云基础设施部门，通过云技术管理着百万量级的服务器构成的超大数据中心。我们通过深度优化千万级容器实例与算力优化，搭建EB级数据存储治理体系，探索新一代搜索型数据库与大规模AI集群下的高速网络通信，我们积极拥抱开源和创新的软硬件架构，致力于构建业界领先、稳定、高可用的面向LLM的AI云原生的基础设施架构与产品矩阵，为整个公司的业务和客户发展保驾护航。\n\n1、在导师指导下，围绕大规模向量检索场景开展研究与验证，设计并实现具备大容量、高吞吐、低延迟、高召回、高精度、可扩展等特性的向量检索方案；工作内容包括但不限于：索引与检索、压缩与量化、复杂场景查询、软硬件协同优化、分布式系统；\n2、在导师指导下探索LLM与检索结合的系统化方案，围绕Multi-Agent/Agentic RAG/DeepResearch等范式研究可复现的有效路径，提升复杂多跳任务下的可靠性与可控性，工作内容包括但是不限于：RAG、Agent、评测与对齐；\n3、持续跟踪学术界与工业界在向量数据库/向量索引/Agentic RAG方向的最新进展，输出技术解读与复现实验；对标主流系统（Milvus/PGVector/Chroma/Weaviate/Faiss/ScaNN/DiskANN等），推动内部路线选择与产品市场力构建；\n4、协助团队在SIGMOD/VLDB/OSDI/SOSP/ICML/ACL/ICLR等高水平会议发表论文，并申请相关专利（算法、系统架构、量化压缩、评测体系、Agentic RAG等）。\n1、硕士及以上学位在读，计算机、通信等相关专业；\n2、了解常用量化压缩算法（PQ、SQ、RaBitQ等）、向量索引（IVF、HNSW、NSG、DiskANN、LSH等）与向量数据库（Milvus/Chroma/PGVector等）的基本原理；\n3、在CCF-A（或同等级别）会议/期刊发表过至少1篇论文，具备推进研究问题、设计实验、写作投稿的能力；\n4、热爱编程，有较强的学习能力，有强烈的求知欲、好奇心和进取心，能及时关注和学习业界最新技术。\n\n加分项：\n1、以第一作者或除导师外第一作者身份在SIGMOD/VLDB/OSDI/SOSP/ICML/ACL/ICLR等（或同等级别DB/系统/AI顶会）发表过论文；\n2、在ACM-ICPC、NOI等信息学竞赛中获得区域金牌及以上奖项；\n3、数学能力特别突出或有相关理论工作经验者；\n4、有经典数据库内核/优化器/执行引擎经验（PostgreSQL/SparkSQL/Neo4j等），或在索引设计、存储格式、事务/并发、Compaction等方面有实战经验；\n5、在Agentic RAG、LLM Finetune（SFT/LoRA/RLHF等）、检索增强评测、对齐与可靠性等有实战经验；\n6、熟悉PyTorch等框架，能完成训练/推理/评测管线搭建；熟悉GPU架构与CUDA C++，或有向量计算/检索算子GPU化经验；熟悉分布式系统基本原理（共识、复制、调度、资源隔离、可观测性等）及相关工程框架。",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}