职位详情

职位列表 链接失效 不适用(官网全量采集) official:bytedance:7622492806745753909

Dola算法工程师-Seed大模型人才校招

未披露 · 北京 · 字节跳动

主分类:大模型与生成式算法研发
算法与数据
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": "Dola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": "北京",
        "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。Seed 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\nDola 是我们面向全球用户的 AI 助手,对标行业最顶尖的通用智能体。在这里,你将负责大模型在“走出预训练”后的关键进化阶段。你的目标是让 Dola 不仅具备海量的知识,更要具备极强的逻辑推理、拟人化的创作力、精准的搜索能力以及跨模态的视觉理解力。你写的每一行对齐代码,都将直接影响全球千万用户的交互体验。\n工作内容:\n1、通用能力对齐(Alignment Science):设计并优化SFT与RLHF流程,利用PPO、GRPO、Step-wise RL等算法提升模型在复杂问答与逻辑推理上的表现,平衡模型的Helpfulness与Harmlessness;\n2、知识与搜索增强(Knowledge & Search):攻克模型幻觉问题,研究RAG(检索增强生成)与长文本处理技术,让Dola能够实时、准确地获取并加工全球知识;\n3、创意与多模态进化(Creativity & VLM):提升模型的长文本创作、角色扮演与多风格写作能力;同时负责VLM(视觉语言模型)的后训练,实现深度图文理解与多模态交互;\n4、Scaling in Post-training:探索指令微调数据量与模型性能的Scaling Law,研究如何通过高质量合成数据(Synthetic Data)突破数据瓶颈。",
        "requirements_text": "1、2027届获得本科及以上学历,计算机、数学、统计等相关专业;\n2、极客基因:计算机基础扎实,具备顶尖的工程实现能力(精通Python/C++);有ACM-ICPC、NOI/IOI等竞赛金牌背景者优先;拥有扎实的数学功底和机器学习理论基础;\n3、硬核技术背景: \n1)深入理解大模型训练全流程;\n2)在RL、NLP或CV领域有深厚积累,理解算法的本质原理;\n4、实战经验:深度参与过大模型Post-training相关的项目,对数据清洗、指令构建、奖励模型(Reward Model)训练有实际心得;\n5、科研实践:在NeurIPS,ICLR,ICML,CVPR,ACL等顶级会议发表过高水平论文者优先;\n6、产品心与自驱力:面对User-facing的产品逻辑,有较强的自驱力去解决模型在真实场景下的表现问题,不满足于指标的提升,更在意用户体感的跨越。",
        "skills": [AI生成
            "Python",
            "C++",
            "机器学习",
            "数据清洗",
            "模型训练",
            "大语言模型"
        ],
        "preferred_qualifications": "有ACM-ICPC、NOI/IOI等竞赛金牌背景者优先;5、科研实践:在NeurIPS,ICLR,ICML,CVPR,ACL等顶级会议发表过高水平论文者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7622492806745753909/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7622492806745753909",
        "post_date": "2026-03-29",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7622492806745753909/detail"
    },
    "fulltext": "Dola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。Seed 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\nDola 是我们面向全球用户的 AI 助手,对标行业最顶尖的通用智能体。在这里,你将负责大模型在“走出预训练”后的关键进化阶段。你的目标是让 Dola 不仅具备海量的知识,更要具备极强的逻辑推理、拟人化的创作力、精准的搜索能力以及跨模态的视觉理解力。你写的每一行对齐代码,都将直接影响全球千万用户的交互体验。\n工作内容:\n1、通用能力对齐(Alignment Science):设计并优化SFT与RLHF流程,利用PPO、GRPO、Step-wise RL等算法提升模型在复杂问答与逻辑推理上的表现,平衡模型的Helpfulness与Harmlessness;\n2、知识与搜索增强(Knowledge & Search):攻克模型幻觉问题,研究RAG(检索增强生成)与长文本处理技术,让Dola能够实时、准确地获取并加工全球知识;\n3、创意与多模态进化(Creativity & VLM):提升模型的长文本创作、角色扮演与多风格写作能力;同时负责VLM(视觉语言模型)的后训练,实现深度图文理解与多模态交互;\n4、Scaling in Post-training:探索指令微调数据量与模型性能的Scaling Law,研究如何通过高质量合成数据(Synthetic Data)突破数据瓶颈。\n\n职位要求\n1、2027届获得本科及以上学历,计算机、数学、统计等相关专业;\n2、极客基因:计算机基础扎实,具备顶尖的工程实现能力(精通Python/C++);有ACM-ICPC、NOI/IOI等竞赛金牌背景者优先;拥有扎实的数学功底和机器学习理论基础;\n3、硬核技术背景: \n1)深入理解大模型训练全流程;\n2)在RL、NLP或CV领域有深厚积累,理解算法的本质原理;\n4、实战经验:深度参与过大模型Post-training相关的项目,对数据清洗、指令构建、奖励模型(Reward Model)训练有实际心得;\n5、科研实践:在NeurIPS,ICLR,ICML,CVPR,ACL等顶级会议发表过高水平论文者优先;\n6、产品心与自驱力:面对User-facing的产品逻辑,有较强的自驱力去解决模型在真实场景下的表现问题,不满足于指标的提升,更在意用户体感的跨越。\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。Seed 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\nDola 是我们面向全球用户的 AI 助手,对标行业最顶尖的通用智能体。在这里,你将负责大模型在“走出预训练”后的关键进化阶段。你的目标是让 Dola 不仅具备海量的知识,更要具备极强的逻辑推理、拟人化的创作力、精准的搜索能力以及跨模态的视觉理解力。你写的每一行对齐代码,都将直接影响全球千万用户的交互体验。\n工作内容:\n1、通用能力对齐(Alignment Science):设计并优化SFT与RLHF流程,利用PPO、GRPO、Step-wise RL等算法提升模型在复杂问答与逻辑推理上的表现,平衡模型的Helpfulness与Harmlessness;\n2、知识与搜索增强(Knowledge & Search):攻克模型幻觉问题,研究RAG(检索增强生成)与长文本处理技术,让Dola能够实时、准确地获取并加工全球知识;\n3、创意与多模态进化(Creativity & VLM):提升模型的长文本创作、角色扮演与多风格写作能力;同时负责VLM(视觉语言模型)的后训练,实现深度图文理解与多模态交互;\n4、Scaling in Post-training:探索指令微调数据量与模型性能的Scaling Law,研究如何通过高质量合成数据(Synthetic Data)突破数据瓶颈。\n1、2027届获得本科及以上学历,计算机、数学、统计等相关专业;\n2、极客基因:计算机基础扎实,具备顶尖的工程实现能力(精通Python/C++);有ACM-ICPC、NOI/IOI等竞赛金牌背景者优先;拥有扎实的数学功底和机器学习理论基础;\n3、硬核技术背景: \n1)深入理解大模型训练全流程;\n2)在RL、NLP或CV领域有深厚积累,理解算法的本质原理;\n4、实战经验:深度参与过大模型Post-training相关的项目,对数据清洗、指令构建、奖励模型(Reward Model)训练有实际心得;\n5、科研实践:在NeurIPS,ICLR,ICML,CVPR,ACL等顶级会议发表过高水平论文者优先;\n6、产品心与自驱力:面对User-facing的产品逻辑,有较强的自驱力去解决模型在真实场景下的表现问题,不满足于指标的提升,更在意用户体感的跨越。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}