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": "大语言模型应用算法工程师 - 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": 1,
"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\n1、大模型能力自提升：研究如何提升模型Critic能力，在大量数据中挖掘高价值数据提升模型能力，从而达到模型生成-模型判别-模型训练的自闭环；\n2、AI Office：大模型结合高价值办公场景，主要方向包括AI PPT、数据分析、复杂任务Agent设计等；\n3、Reward System：探索如何构建完备的Reward系统，从而让大模型的RL训练更稳定、更高效、更Scale；\n4、模型基础能力探索：探索如何通用提升模型的基础能力，包括指令遵循、数理逻辑、文本创作等。",
"requirements_text": "1、2027届获得本科及以上学历，计算机、通信、数学等相关专业；\n2、有NLP/深度学习研发经验，至少1年大模型应用相关实战经验；有数学、编程竞赛的有加分；\n3、深入理解LLM技术栈（如RLHF、Prompt Engineering、LoRA微调等）；\n4、熟悉Python/PyTorch，CUDA优化，以及Transformer、MoE等核心网络架构；具备扎实的代码能力（Python/C++）；\n5、在ACL/EMNLP/NeurIPS等顶会发表LLM相关论文。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "有数学、编程竞赛的有加分",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7622895938651343109/detail"
}
]
},
"posting": {
"posting_id": "7622895938651343109",
"post_date": "2026-03-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7622895938651343109/detail"
},
"fulltext": "大语言模型应用算法工程师 - 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\n1、大模型能力自提升：研究如何提升模型Critic能力，在大量数据中挖掘高价值数据提升模型能力，从而达到模型生成-模型判别-模型训练的自闭环；\n2、AI Office：大模型结合高价值办公场景，主要方向包括AI PPT、数据分析、复杂任务Agent设计等；\n3、Reward System：探索如何构建完备的Reward系统，从而让大模型的RL训练更稳定、更高效、更Scale；\n4、模型基础能力探索：探索如何通用提升模型的基础能力，包括指令遵循、数理逻辑、文本创作等。\n\n职位要求\n1、2027届获得本科及以上学历，计算机、通信、数学等相关专业；\n2、有NLP/深度学习研发经验，至少1年大模型应用相关实战经验；有数学、编程竞赛的有加分；\n3、深入理解LLM技术栈（如RLHF、Prompt Engineering、LoRA微调等）；\n4、熟悉Python/PyTorch，CUDA优化，以及Transformer、MoE等核心网络架构；具备扎实的代码能力（Python/C++）；\n5、在ACL/EMNLP/NeurIPS等顶会发表LLM相关论文。\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\n1、大模型能力自提升：研究如何提升模型Critic能力，在大量数据中挖掘高价值数据提升模型能力，从而达到模型生成-模型判别-模型训练的自闭环；\n2、AI Office：大模型结合高价值办公场景，主要方向包括AI PPT、数据分析、复杂任务Agent设计等；\n3、Reward System：探索如何构建完备的Reward系统，从而让大模型的RL训练更稳定、更高效、更Scale；\n4、模型基础能力探索：探索如何通用提升模型的基础能力，包括指令遵循、数理逻辑、文本创作等。\n1、2027届获得本科及以上学历，计算机、通信、数学等相关专业；\n2、有NLP/深度学习研发经验，至少1年大模型应用相关实战经验；有数学、编程竞赛的有加分；\n3、深入理解LLM技术栈（如RLHF、Prompt Engineering、LoRA微调等）；\n4、熟悉Python/PyTorch，CUDA优化，以及Transformer、MoE等核心网络架构；具备扎实的代码能力（Python/C++）；\n5、在ACL/EMNLP/NeurIPS等顶会发表LLM相关论文。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}