主分类：AI应用开发（非Agent）
辅助：搜索推荐与业务决策算法研发（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": "豆包AI搜索架构实习生-Seed大模型人才实习",
"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": "机器学习"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": "2028届及以后本科及以上学历在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "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、建设豆包AI搜索，搭建完整RAG功能的LLM搜索引擎；\n2、针对LLM搜索中的各个环节，如联网检索、大模型推理进行优化；\n3、设计和搭建离线个性化AI搜索能力，实现对用户更准确的问答；\n4、持续建设更灵活、合理、功能更强大的架构以保障快速发展的业务可以高效达成。",
"requirements_text": "1、2028届及以后本科及以上学历在读，计算机、电子信息、软件工程等相关专业；\n2、具备优秀的代码能力（C++/Golang/Python）、数据结构和基础算法功底，以及扎实的软件工程基础（包括系统设计、API开发和代码质量控制）；\n3、对大模型方向充满热情，不断探索前沿技术领域并持续接受新挑战，同时有强烈的学习欲望，对新技术抱有足够热情和好奇心，愿意沿AGI方向进行持续探索；\n4、对系统性能优化、AI基础设施建设及前沿模型技术有浓厚兴趣，具备良好的协作与自驱能力。\n\n加分项\n1、熟悉LLM、NLP、CV、语音相关的算法和技术，熟悉LLM、Diffusion、RL算法者优先；\n2、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture（GPU、Accelerators、Networking），ML for System，Distributed Storage。",
"skills": [AI生成
"Python",
"C++",
"Golang",
"CUDA",
"自然语言处理",
"数据结构",
"性能优化",
"Go",
"大语言模型"
],
"preferred_qualifications": "加分项；1、熟悉LLM、NLP、CV、语音相关的算法和技术，熟悉LLM、Diffusion、RL算法者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7621895904971507973/detail"
}
]
},
"posting": {
"posting_id": "7621895904971507973",
"post_date": "2026-03-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7621895904971507973/detail"
},
"fulltext": "豆包AI搜索架构实习生-Seed大模型人才实习\n职位描述\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、建设豆包AI搜索，搭建完整RAG功能的LLM搜索引擎；\n2、针对LLM搜索中的各个环节，如联网检索、大模型推理进行优化；\n3、设计和搭建离线个性化AI搜索能力，实现对用户更准确的问答；\n4、持续建设更灵活、合理、功能更强大的架构以保障快速发展的业务可以高效达成。\n\n职位要求\n1、2028届及以后本科及以上学历在读，计算机、电子信息、软件工程等相关专业；\n2、具备优秀的代码能力（C++/Golang/Python）、数据结构和基础算法功底，以及扎实的软件工程基础（包括系统设计、API开发和代码质量控制）；\n3、对大模型方向充满热情，不断探索前沿技术领域并持续接受新挑战，同时有强烈的学习欲望，对新技术抱有足够热情和好奇心，愿意沿AGI方向进行持续探索；\n4、对系统性能优化、AI基础设施建设及前沿模型技术有浓厚兴趣，具备良好的协作与自驱能力。\n\n加分项\n1、熟悉LLM、NLP、CV、语音相关的算法和技术，熟悉LLM、Diffusion、RL算法者优先；\n2、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture（GPU、Accelerators、Networking），ML for System，Distributed Storage。\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、建设豆包AI搜索，搭建完整RAG功能的LLM搜索引擎；\n2、针对LLM搜索中的各个环节，如联网检索、大模型推理进行优化；\n3、设计和搭建离线个性化AI搜索能力，实现对用户更准确的问答；\n4、持续建设更灵活、合理、功能更强大的架构以保障快速发展的业务可以高效达成。\n1、2028届及以后本科及以上学历在读，计算机、电子信息、软件工程等相关专业；\n2、具备优秀的代码能力（C++/Golang/Python）、数据结构和基础算法功底，以及扎实的软件工程基础（包括系统设计、API开发和代码质量控制）；\n3、对大模型方向充满热情，不断探索前沿技术领域并持续接受新挑战，同时有强烈的学习欲望，对新技术抱有足够热情和好奇心，愿意沿AGI方向进行持续探索；\n4、对系统性能优化、AI基础设施建设及前沿模型技术有浓厚兴趣，具备良好的协作与自驱能力。\n\n加分项\n1、熟悉LLM、NLP、CV、语音相关的算法和技术，熟悉LLM、Diffusion、RL算法者优先；\n2、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture（GPU、Accelerators、Networking），ML for System，Distributed Storage。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}