主分类：数据工程与数据平台研发
辅助：AI模型评测工程（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": "机器人数据闭环实习生-Seed",
"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": "大数据"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": "本科及以上学历在读",
"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 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。\n\n1、参与搭建机器人领域专属的大模型数据处理平台，支持从采集、清洗、标注、训练到评估的全流程数据闭环；\n2、参与设计与实现高吞吐、可扩展的时序多模态数据处理引擎，服务图像、视频、语音、动作等多模态数据；\n3、与算法团队深度配合，基于大模型能力，提取有价值的数据，提升数据质量，深度参与数据驱动下机器人能力的进化；\n4、参与模型评估体系建设，从模型训练到模型评测一站式完成，为模型性能提供可靠的数据支持；\n5、持续优化平台性能与可用性，推动大模型训练效率与精度的双提升。",
"requirements_text": "1、本科及以上学历在读，计算机、软件工程、人工智能、自动化等相关专业优先；\n2、对机器人系统、人工智能训练、数据平台等方向有浓厚兴趣，愿意深入理解机器人“大脑”的构建逻辑；\n3、具备图像/视频/多模态数据处理经验，熟悉数据处理、格式转换、时间同步等处理流程；\n4、精通Python或Golang至少一种语言，能够实现高效、可扩展的数据处理工具；\n5、熟悉常用图像/视频处理工具链（如OpenCV、FFmpeg、PyAV、MMCV等）；\n6、熟悉分布式计算或大数据处理框架（如Spark、Flink、Ray、Hadoop等）者优先；有海量数据处理平台、数据调度系统、数据流/批一体框架使用或开发经验者优先。",
"skills": [AI生成
"Python",
"Golang",
"Spark",
"Hadoop",
"Flink"
],
"preferred_qualifications": "1、本科及以上学历在读，计算机、软件工程、人工智能、自动化等相关专业优先；6、熟悉分布式计算或大数据处理框架（如Spark、Flink、Ray、Hadoop等）者优先；有海量数据处理平台、数据调度系统、数据流/批一体框架使用或开发经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7611085826500839733/detail"
}
]
},
"posting": {
"posting_id": "7611085826500839733",
"post_date": "2026-02-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7611085826500839733/detail"
},
"fulltext": "机器人数据闭环实习生-Seed\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 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。\n\n1、参与搭建机器人领域专属的大模型数据处理平台，支持从采集、清洗、标注、训练到评估的全流程数据闭环；\n2、参与设计与实现高吞吐、可扩展的时序多模态数据处理引擎，服务图像、视频、语音、动作等多模态数据；\n3、与算法团队深度配合，基于大模型能力，提取有价值的数据，提升数据质量，深度参与数据驱动下机器人能力的进化；\n4、参与模型评估体系建设，从模型训练到模型评测一站式完成，为模型性能提供可靠的数据支持；\n5、持续优化平台性能与可用性，推动大模型训练效率与精度的双提升。\n\n职位要求\n1、本科及以上学历在读，计算机、软件工程、人工智能、自动化等相关专业优先；\n2、对机器人系统、人工智能训练、数据平台等方向有浓厚兴趣，愿意深入理解机器人“大脑”的构建逻辑；\n3、具备图像/视频/多模态数据处理经验，熟悉数据处理、格式转换、时间同步等处理流程；\n4、精通Python或Golang至少一种语言，能够实现高效、可扩展的数据处理工具；\n5、熟悉常用图像/视频处理工具链（如OpenCV、FFmpeg、PyAV、MMCV等）；\n6、熟悉分布式计算或大数据处理框架（如Spark、Flink、Ray、Hadoop等）者优先；有海量数据处理平台、数据调度系统、数据流/批一体框架使用或开发经验者优先。\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 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。\n\n1、参与搭建机器人领域专属的大模型数据处理平台，支持从采集、清洗、标注、训练到评估的全流程数据闭环；\n2、参与设计与实现高吞吐、可扩展的时序多模态数据处理引擎，服务图像、视频、语音、动作等多模态数据；\n3、与算法团队深度配合，基于大模型能力，提取有价值的数据，提升数据质量，深度参与数据驱动下机器人能力的进化；\n4、参与模型评估体系建设，从模型训练到模型评测一站式完成，为模型性能提供可靠的数据支持；\n5、持续优化平台性能与可用性，推动大模型训练效率与精度的双提升。\n1、本科及以上学历在读，计算机、软件工程、人工智能、自动化等相关专业优先；\n2、对机器人系统、人工智能训练、数据平台等方向有浓厚兴趣，愿意深入理解机器人“大脑”的构建逻辑；\n3、具备图像/视频/多模态数据处理经验，熟悉数据处理、格式转换、时间同步等处理流程；\n4、精通Python或Golang至少一种语言，能够实现高效、可扩展的数据处理工具；\n5、熟悉常用图像/视频处理工具链（如OpenCV、FFmpeg、PyAV、MMCV等）；\n6、熟悉分布式计算或大数据处理框架（如Spark、Flink、Ray、Hadoop等）者优先；有海量数据处理平台、数据调度系统、数据流/批一体框架使用或开发经验者优先。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}