{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI训推优化实习生-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": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "后端"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：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、参与构建AI Infra性能Benchmark体系，设计量化性能标尺与竞争力评估模型，实现算力资源的精准度量与效能评估；\n2、参与LLM/VLM/AIGC模型训练/推理优化，开展底层技术栈的性能剖析与代码级优化，提升模型的训练吞吐量与推理响应速度，优化资源占用效率。",
        "requirements_text": "1、2027届本科及以上学历在读，计算机、软件工程、电子信息等相关专业；\n2、掌握C/C++、Python、Go中至少一种编程语言，具备课程设计、科研项目或开源项目的开发与调试实践经验，能够清晰阐述技术实现思路与问题解决过程；\n3、了解LLM/VLM/AIGC等AI领域的基础原理与典型模型架构，在学术研究、竞赛或课程学习中接触过相关模型，具备探究其运行机制的技术好奇心；\n4、有PyTorch等主流深度学习框架的使用经验，参与过模型训练、参数调优或框架组件的二次开发（如模型代码修改、训练流程优化等）；\n5、对异构计算、网络传输或存储IO的性能分析具备理论基础与研究兴趣，有意愿深入钻研性能分析工具的原理与优化方法。\n\n加分项：\n1、在学术论文、课程设计中涉及AI系统性能分析相关研究，如模型训练瓶颈定位、计算资源调度优化等；\n2、有开源社区贡献经历，参与过AI框架或性能优化工具的代码提交与维护；\n3、基于PyTorch等框架完成过模型训练/推理项目，并实施过速度优化或资源占用率改进措施；\n4、接触过模型量化、精度校准等技术，在课程实验或项目中实践过相关调优方法；\n5、具备TensorRT/CUTLASS/Trition等工具的学习或使用经历，理解其性能加速原理。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "深度学习",
            "模型训练",
            "性能优化"
        ],
        "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/7613277493354350853/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7613277493354350853",
        "post_date": "2026-03-04",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7613277493354350853/detail"
    },
    "fulltext": "AI训推优化实习生-算力与AI基础设施\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：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、参与构建AI Infra性能Benchmark体系，设计量化性能标尺与竞争力评估模型，实现算力资源的精准度量与效能评估；\n2、参与LLM/VLM/AIGC模型训练/推理优化，开展底层技术栈的性能剖析与代码级优化，提升模型的训练吞吐量与推理响应速度，优化资源占用效率。\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、电子信息等相关专业；\n2、掌握C/C++、Python、Go中至少一种编程语言，具备课程设计、科研项目或开源项目的开发与调试实践经验，能够清晰阐述技术实现思路与问题解决过程；\n3、了解LLM/VLM/AIGC等AI领域的基础原理与典型模型架构，在学术研究、竞赛或课程学习中接触过相关模型，具备探究其运行机制的技术好奇心；\n4、有PyTorch等主流深度学习框架的使用经验，参与过模型训练、参数调优或框架组件的二次开发（如模型代码修改、训练流程优化等）；\n5、对异构计算、网络传输或存储IO的性能分析具备理论基础与研究兴趣，有意愿深入钻研性能分析工具的原理与优化方法。\n\n加分项：\n1、在学术论文、课程设计中涉及AI系统性能分析相关研究，如模型训练瓶颈定位、计算资源调度优化等；\n2、有开源社区贡献经历，参与过AI框架或性能优化工具的代码提交与维护；\n3、基于PyTorch等框架完成过模型训练/推理项目，并实施过速度优化或资源占用率改进措施；\n4、接触过模型量化、精度校准等技术，在课程实验或项目中实践过相关调优方法；\n5、具备TensorRT/CUTLASS/Trition等工具的学习或使用经历，理解其性能加速原理。\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：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、参与构建AI Infra性能Benchmark体系，设计量化性能标尺与竞争力评估模型，实现算力资源的精准度量与效能评估；\n2、参与LLM/VLM/AIGC模型训练/推理优化，开展底层技术栈的性能剖析与代码级优化，提升模型的训练吞吐量与推理响应速度，优化资源占用效率。\n1、2027届本科及以上学历在读，计算机、软件工程、电子信息等相关专业；\n2、掌握C/C++、Python、Go中至少一种编程语言，具备课程设计、科研项目或开源项目的开发与调试实践经验，能够清晰阐述技术实现思路与问题解决过程；\n3、了解LLM/VLM/AIGC等AI领域的基础原理与典型模型架构，在学术研究、竞赛或课程学习中接触过相关模型，具备探究其运行机制的技术好奇心；\n4、有PyTorch等主流深度学习框架的使用经验，参与过模型训练、参数调优或框架组件的二次开发（如模型代码修改、训练流程优化等）；\n5、对异构计算、网络传输或存储IO的性能分析具备理论基础与研究兴趣，有意愿深入钻研性能分析工具的原理与优化方法。\n\n加分项：\n1、在学术论文、课程设计中涉及AI系统性能分析相关研究，如模型训练瓶颈定位、计算资源调度优化等；\n2、有开源社区贡献经历，参与过AI框架或性能优化工具的代码提交与维护；\n3、基于PyTorch等框架完成过模型训练/推理项目，并实施过速度优化或资源占用率改进措施；\n4、接触过模型量化、精度校准等技术，在课程实验或项目中实践过相关调优方法；\n5、具备TensorRT/CUTLASS/Trition等工具的学习或使用经历，理解其性能加速原理。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}