主分类：搜索推荐与业务决策算法研发
辅助：Agent系统开发（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": "AI搜索Agent算法实习生-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": "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": "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、下一代搜索问答Agent构建\n1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成；\n2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景；\n2、模型能力演进与前沿探索\n1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力；\n2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限；\n3）构建Agentic能力，打造具备自主决策能力的智能系统；\n3、高价值场景落地如电商/本地生活等\n1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）；\n2）融合结构化数据与实时信息，实现多模态、多源知识协同推理；\n4、评测体系与工程闭环建设\n1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系；\n2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。",
"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、人工智能、数学等相关专业优先；\n2、熟悉PyTorch/TensorFlow等框架，对大规模语言模型（如GPT、LLaMA等）训练与优化经验；\n3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解；\n4、熟悉Search Agent任务，包括RL数据/训练策略优化，Reward Model设计、工具调用、Reasoning能力优化等；\n5、加分项：在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文；有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；熟悉多模态模型（如GPT-4V）或强化学习者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"强化学习",
"搜索算法",
"检索增强生成"
],
"preferred_qualifications": "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、人工智能、数学等相关专业优先；5、加分项：在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文；熟悉多模态模型（如GPT-4V）或强化学习者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7622900503428647221/detail"
}
]
},
"posting": {
"posting_id": "7622900503428647221",
"post_date": "2026-03-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7622900503428647221/detail"
},
"fulltext": "AI搜索Agent算法实习生-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、下一代搜索问答Agent构建\n1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成；\n2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景；\n2、模型能力演进与前沿探索\n1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力；\n2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限；\n3）构建Agentic能力，打造具备自主决策能力的智能系统；\n3、高价值场景落地如电商/本地生活等\n1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）；\n2）融合结构化数据与实时信息，实现多模态、多源知识协同推理；\n4、评测体系与工程闭环建设\n1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系；\n2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。\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、人工智能、数学等相关专业优先；\n2、熟悉PyTorch/TensorFlow等框架，对大规模语言模型（如GPT、LLaMA等）训练与优化经验；\n3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解；\n4、熟悉Search Agent任务，包括RL数据/训练策略优化，Reward Model设计、工具调用、Reasoning能力优化等；\n5、加分项：在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文；有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；熟悉多模态模型（如GPT-4V）或强化学习者优先。\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、下一代搜索问答Agent构建\n1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成；\n2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景；\n2、模型能力演进与前沿探索\n1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力；\n2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限；\n3）构建Agentic能力，打造具备自主决策能力的智能系统；\n3、高价值场景落地如电商/本地生活等\n1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）；\n2）融合结构化数据与实时信息，实现多模态、多源知识协同推理；\n4、评测体系与工程闭环建设\n1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系；\n2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。\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、人工智能、数学等相关专业优先；\n2、熟悉PyTorch/TensorFlow等框架，对大规模语言模型（如GPT、LLaMA等）训练与优化经验；\n3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解；\n4、熟悉Search Agent任务，包括RL数据/训练策略优化，Reward Model设计、工具调用、Reasoning能力优化等；\n5、加分项：在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文；有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；熟悉多模态模型（如GPT-4V）或强化学习者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}