主分类:AI模型评测工程
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": "大模型自动评测算法实习生-剪映数据与智能团队",
"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": "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": "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:剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品,构建强大的算法能力壁垒。作为剪映系内的算法团队,负责推动整个业务在算法上的迭代与创新,为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。\n\n1、参与视频/图像自动化评测算法的研发,包括不限于大模型提示词工程、SFT、RL和深度学习模型的设计、训练、调优与部署,持续提升评测算法的准确性、泛化能力和运行效率;\n2、负责调研业界和学界在图像/视频质量评估、AIGC内容鉴别与评估、美学评估等领域的最新评测体系与评估技术,推动业务落地验证及评测体系的不断演进;\n3、协助构建高质量的多维度评测数据集,涵盖数据采集、清洗、标注策略制定与执行等流程;基于业务场景对评估结果进行拟合分析,并探索自动化的质量维度挖掘与归因建模方法,为模型优化提供闭环支撑。",
"requirements_text": "1、2027届本科及以上学历在读,计算机、软件工程等相关专业优先;\n2、技术能力:\n1)具备出色的编程能力,精通Python/C++,熟悉TensorFlow/PyTorch等框架,有自然语言处理(NLP)、计算机视觉(CV)或多模态生成模型(如CLIP、Diffusion Models)项目经验;\n2)熟悉大模型理论知识和应用,熟悉常见大模型架构,理解实际业务场景Agent设计理念;有实际大模型预训练、微调或推理优化经验者优先;\n3、学术与实践经验:\n1)在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、推荐系统、计算广告相关论文者优先;\n2)有图像/视频质量评估、美学打分、AIGC相关项目或研究经验者优先;\n3)热爱视频剪辑,对常用视频剪辑工具有使用经验者优先;\n4、每周出勤至少4天,可实习4个月以上。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"自然语言处理",
"计算机视觉",
"视频剪辑",
"大语言模型"
],
"preferred_qualifications": "1、2027届本科及以上学历在读,计算机、软件工程等相关专业优先;有实际大模型预训练、微调或推理优化经验者优先;1)在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、推荐系统、计算广告相关论文者优先;2)有图像/视频质量评估、美学打分、AIGC相关项目或研究经验者优先;3)热爱视频剪辑,对常用视频剪辑工具有使用经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7606260871128205621/detail"
}
]
},
"posting": {
"posting_id": "7606260871128205621",
"post_date": "2026-02-13",
"hire_time": "4、每周出勤至少4天,可实习4个月以上",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7606260871128205621/detail"
},
"fulltext": "大模型自动评测算法实习生-剪映数据与智能团队\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:剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品,构建强大的算法能力壁垒。作为剪映系内的算法团队,负责推动整个业务在算法上的迭代与创新,为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。\n\n1、参与视频/图像自动化评测算法的研发,包括不限于大模型提示词工程、SFT、RL和深度学习模型的设计、训练、调优与部署,持续提升评测算法的准确性、泛化能力和运行效率;\n2、负责调研业界和学界在图像/视频质量评估、AIGC内容鉴别与评估、美学评估等领域的最新评测体系与评估技术,推动业务落地验证及评测体系的不断演进;\n3、协助构建高质量的多维度评测数据集,涵盖数据采集、清洗、标注策略制定与执行等流程;基于业务场景对评估结果进行拟合分析,并探索自动化的质量维度挖掘与归因建模方法,为模型优化提供闭环支撑。\n\n职位要求\n1、2027届本科及以上学历在读,计算机、软件工程等相关专业优先;\n2、技术能力:\n1)具备出色的编程能力,精通Python/C++,熟悉TensorFlow/PyTorch等框架,有自然语言处理(NLP)、计算机视觉(CV)或多模态生成模型(如CLIP、Diffusion Models)项目经验;\n2)熟悉大模型理论知识和应用,熟悉常见大模型架构,理解实际业务场景Agent设计理念;有实际大模型预训练、微调或推理优化经验者优先;\n3、学术与实践经验:\n1)在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、推荐系统、计算广告相关论文者优先;\n2)有图像/视频质量评估、美学打分、AIGC相关项目或研究经验者优先;\n3)热爱视频剪辑,对常用视频剪辑工具有使用经验者优先;\n4、每周出勤至少4天,可实习4个月以上。\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:剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品,构建强大的算法能力壁垒。作为剪映系内的算法团队,负责推动整个业务在算法上的迭代与创新,为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。\n\n1、参与视频/图像自动化评测算法的研发,包括不限于大模型提示词工程、SFT、RL和深度学习模型的设计、训练、调优与部署,持续提升评测算法的准确性、泛化能力和运行效率;\n2、负责调研业界和学界在图像/视频质量评估、AIGC内容鉴别与评估、美学评估等领域的最新评测体系与评估技术,推动业务落地验证及评测体系的不断演进;\n3、协助构建高质量的多维度评测数据集,涵盖数据采集、清洗、标注策略制定与执行等流程;基于业务场景对评估结果进行拟合分析,并探索自动化的质量维度挖掘与归因建模方法,为模型优化提供闭环支撑。\n1、2027届本科及以上学历在读,计算机、软件工程等相关专业优先;\n2、技术能力:\n1)具备出色的编程能力,精通Python/C++,熟悉TensorFlow/PyTorch等框架,有自然语言处理(NLP)、计算机视觉(CV)或多模态生成模型(如CLIP、Diffusion Models)项目经验;\n2)熟悉大模型理论知识和应用,熟悉常见大模型架构,理解实际业务场景Agent设计理念;有实际大模型预训练、微调或推理优化经验者优先;\n3、学术与实践经验:\n1)在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、推荐系统、计算广告相关论文者优先;\n2)有图像/视频质量评估、美学打分、AIGC相关项目或研究经验者优先;\n3)热爱视频剪辑,对常用视频剪辑工具有使用经验者优先;\n4、每周出勤至少4天,可实习4个月以上。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}