主分类:大模型与生成式算法研发
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": "大语言模型算法工程师-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": "上海",
"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、擅长发现优化大模型的简单、普适的想法,并应用到各个规模的模型中提升效果;\n2、探索超大规模模型边界,并进行极致系统优化,提升模型性能和效率;\n3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作,提高模型质量和适应性;\n4、相关应用落地,包括生成创作、逻辑推理、代码生成等;\n5、深入研究和探索模型在未来生活中的更多使用场景,拓展模型的应用范围。",
"requirements_text": "1、2027届获得本科及以上学历,计算机、软件工程等相关专业优先;\n2、优秀的代码能力、数据结构和基础算法功底,熟练C/C++或Python,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先;\n3、熟悉NLP、CV相关的算法和技术,熟悉大模型训练、RL算法者优先;\n4、在大模型领域,主导过大影响力的项目或论文者优先;\n5、出色的问题分析和解决能力,能深入解决大模型训练和应用存在的问题;\n6、良好的沟通协作能力,能和团队一起探索新技术,推进技术进步。",
"skills": [AI生成
"Python",
"C++",
"数据结构",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "1、2027届获得本科及以上学历,计算机、软件工程等相关专业优先;2、优秀的代码能力、数据结构和基础算法功底,熟练C/C++或Python,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先;3、熟悉NLP、CV相关的算法和技术,熟悉大模型训练、RL算法者优先;4、在大模型领域,主导过大影响力的项目或论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7622488785499277621/detail"
}
]
},
"posting": {
"posting_id": "7622488785499277621",
"post_date": "2026-03-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7622488785499277621/detail"
},
"fulltext": "大语言模型算法工程师-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、擅长发现优化大模型的简单、普适的想法,并应用到各个规模的模型中提升效果;\n2、探索超大规模模型边界,并进行极致系统优化,提升模型性能和效率;\n3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作,提高模型质量和适应性;\n4、相关应用落地,包括生成创作、逻辑推理、代码生成等;\n5、深入研究和探索模型在未来生活中的更多使用场景,拓展模型的应用范围。\n\n职位要求\n1、2027届获得本科及以上学历,计算机、软件工程等相关专业优先;\n2、优秀的代码能力、数据结构和基础算法功底,熟练C/C++或Python,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先;\n3、熟悉NLP、CV相关的算法和技术,熟悉大模型训练、RL算法者优先;\n4、在大模型领域,主导过大影响力的项目或论文者优先;\n5、出色的问题分析和解决能力,能深入解决大模型训练和应用存在的问题;\n6、良好的沟通协作能力,能和团队一起探索新技术,推进技术进步。\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、擅长发现优化大模型的简单、普适的想法,并应用到各个规模的模型中提升效果;\n2、探索超大规模模型边界,并进行极致系统优化,提升模型性能和效率;\n3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作,提高模型质量和适应性;\n4、相关应用落地,包括生成创作、逻辑推理、代码生成等;\n5、深入研究和探索模型在未来生活中的更多使用场景,拓展模型的应用范围。\n1、2027届获得本科及以上学历,计算机、软件工程等相关专业优先;\n2、优秀的代码能力、数据结构和基础算法功底,熟练C/C++或Python,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先;\n3、熟悉NLP、CV相关的算法和技术,熟悉大模型训练、RL算法者优先;\n4、在大模型领域,主导过大影响力的项目或论文者优先;\n5、出色的问题分析和解决能力,能深入解决大模型训练和应用存在的问题;\n6、良好的沟通协作能力,能和团队一起探索新技术,推进技术进步。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}