主分类:AI训练推理与计算优化
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": "视觉大模型推理优化工程师-Seed大模型人才校招",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"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": "2027届获得本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Seed 大模型人才校招,是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信,真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇,Seed 团队并不止步于模型迭代,而是选择进入技术深水区,推进下一代 AI 范式突破,不断探索智能的边界与上限。\n\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、负责开发和优化视觉大模型推理框架,通过编译优化、并行计算优化、图融合、高效CUDA算子开发、低精度计算、高并发服务请求优化等高性能优化技术打造业界领先的多模态理解、AIGC推理引擎;\n2、负责视觉大模型(多模态理解、AIGC)训练优化算法研究和落地,通过数据并行、模型并行、Pipeline并行、通信优化等基于CUDA的分布式训练框架大幅提升模型的训练速度与效率;\n3、与公司各算法部门深度合作,分析业务性能瓶颈,通过软硬结合的方式,高效部署与优化多模态理解、AIGC核心业务模型,落地到字节跳动各产品线,投入AI工具链开发及技术生态的建设,支撑字节跳动AI方向重要业务的发展。",
"requirements_text": "1、2027届获得本科及以上学历,计算机/电子/信息/通信/自动化/软件等相关专业;\n2、熟练掌握Linux环境下的C/C++、Python语言;\n3、了解深度学习算法基本原理,熟悉神经网络基本架构和各算子计算方式,具有AutoML、模型推理/训练优化或AI相关大模型/重要项目经验者优先;\n4、能够熟练使用至少一种主流的机器学习框架,熟悉各种模型/数据并行训练框架优先;\n5、了解主流多模态理解、AIGC算法模型,有多模态理解、AIGC模型推理和训练加速落地经验者优先;\n6、有CUDA开发经验,熟悉TensorRT/Triton/Cutlass经验者优先。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"CUDA",
"机器学习",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "3、了解深度学习算法基本原理,熟悉神经网络基本架构和各算子计算方式,具有AutoML、模型推理/训练优化或AI相关大模型/重要项目经验者优先;4、能够熟练使用至少一种主流的机器学习框架,熟悉各种模型/数据并行训练框架优先;5、了解主流多模态理解、AIGC算法模型,有多模态理解、AIGC模型推理和训练加速落地经验者优先;6、有CUDA开发经验,熟悉TensorRT/Triton/Cutlass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/7622230079683053877/detail"
}
]
},
"posting": {
"posting_id": "7622230079683053877",
"post_date": "2026-03-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7622230079683053877/detail"
},
"fulltext": "视觉大模型推理优化工程师-Seed大模型人才校招\n职位描述\nSeed 大模型人才校招,是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信,真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇,Seed 团队并不止步于模型迭代,而是选择进入技术深水区,推进下一代 AI 范式突破,不断探索智能的边界与上限。\n\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、负责开发和优化视觉大模型推理框架,通过编译优化、并行计算优化、图融合、高效CUDA算子开发、低精度计算、高并发服务请求优化等高性能优化技术打造业界领先的多模态理解、AIGC推理引擎;\n2、负责视觉大模型(多模态理解、AIGC)训练优化算法研究和落地,通过数据并行、模型并行、Pipeline并行、通信优化等基于CUDA的分布式训练框架大幅提升模型的训练速度与效率;\n3、与公司各算法部门深度合作,分析业务性能瓶颈,通过软硬结合的方式,高效部署与优化多模态理解、AIGC核心业务模型,落地到字节跳动各产品线,投入AI工具链开发及技术生态的建设,支撑字节跳动AI方向重要业务的发展。\n\n职位要求\n1、2027届获得本科及以上学历,计算机/电子/信息/通信/自动化/软件等相关专业;\n2、熟练掌握Linux环境下的C/C++、Python语言;\n3、了解深度学习算法基本原理,熟悉神经网络基本架构和各算子计算方式,具有AutoML、模型推理/训练优化或AI相关大模型/重要项目经验者优先;\n4、能够熟练使用至少一种主流的机器学习框架,熟悉各种模型/数据并行训练框架优先;\n5、了解主流多模态理解、AIGC算法模型,有多模态理解、AIGC模型推理和训练加速落地经验者优先;\n6、有CUDA开发经验,熟悉TensorRT/Triton/Cutlass经验者优先。\nSeed 大模型人才校招,是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信,真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇,Seed 团队并不止步于模型迭代,而是选择进入技术深水区,推进下一代 AI 范式突破,不断探索智能的边界与上限。\n\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、负责开发和优化视觉大模型推理框架,通过编译优化、并行计算优化、图融合、高效CUDA算子开发、低精度计算、高并发服务请求优化等高性能优化技术打造业界领先的多模态理解、AIGC推理引擎;\n2、负责视觉大模型(多模态理解、AIGC)训练优化算法研究和落地,通过数据并行、模型并行、Pipeline并行、通信优化等基于CUDA的分布式训练框架大幅提升模型的训练速度与效率;\n3、与公司各算法部门深度合作,分析业务性能瓶颈,通过软硬结合的方式,高效部署与优化多模态理解、AIGC核心业务模型,落地到字节跳动各产品线,投入AI工具链开发及技术生态的建设,支撑字节跳动AI方向重要业务的发展。\n1、2027届获得本科及以上学历,计算机/电子/信息/通信/自动化/软件等相关专业;\n2、熟练掌握Linux环境下的C/C++、Python语言;\n3、了解深度学习算法基本原理,熟悉神经网络基本架构和各算子计算方式,具有AutoML、模型推理/训练优化或AI相关大模型/重要项目经验者优先;\n4、能够熟练使用至少一种主流的机器学习框架,熟悉各种模型/数据并行训练框架优先;\n5、了解主流多模态理解、AIGC算法模型,有多模态理解、AIGC模型推理和训练加速落地经验者优先;\n6、有CUDA开发经验,熟悉TensorRT/Triton/Cutlass经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}