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": "音频多模态训练工程师-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": "基础架构"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届获得硕士及以上学位",
"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、负责音视频多模态场景大模型训练性能优化，负责开发和优化语音相关场景的大模型训练框架，保证训练效率达到业界领先水平；\n2、与算法同学深度合作，进行算法和训推系统的联合深度优化，支撑部门前沿技术探索以及落地；\n3、负责机器学习系统前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。",
"requirements_text": "1、2027届获得硕士及以上学位，人工智能、计算机、自动化、数学相关专业优先；\n2、熟悉PyTorch深度学习框架，熟练使用Python语言，有C++开发经验者优先；\n3、熟练高性能计算优化技术，深入理解计算机体系结构，熟悉并行计算优化、访存优化，模型压缩，低比特计算等；\n4、熟悉常用深度学习算法优先，例如NLP，CV，语音；\n5、熟悉Deepspeed/Megatron等大规模训练框架，熟悉数据并行/模型并行/流水并行等常用分布式训练方案优先；\n6、熟悉CUDA生态，有CUDA/NCCL/Cutlass开发经验者优先。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"深度学习"
],
"preferred_qualifications": "1、2027届获得硕士及以上学位，人工智能、计算机、自动化、数学相关专业优先；2、熟悉PyTorch深度学习框架，熟练使用Python语言，有C++开发经验者优先；4、熟悉常用深度学习算法优先，例如NLP，CV，语音；5、熟悉Deepspeed/Megatron等大规模训练框架，熟悉数据并行/模型并行/流水并行等常用分布式训练方案优先；6、熟悉CUDA生态，有CUDA/NCCL/Cutlass开发经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7623000005080959237/detail"
}
]
},
"posting": {
"posting_id": "7623000005080959237",
"post_date": "2026-03-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7623000005080959237/detail"
},
"fulltext": "音频多模态训练工程师-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、负责音视频多模态场景大模型训练性能优化，负责开发和优化语音相关场景的大模型训练框架，保证训练效率达到业界领先水平；\n2、与算法同学深度合作，进行算法和训推系统的联合深度优化，支撑部门前沿技术探索以及落地；\n3、负责机器学习系统前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。\n\n职位要求\n1、2027届获得硕士及以上学位，人工智能、计算机、自动化、数学相关专业优先；\n2、熟悉PyTorch深度学习框架，熟练使用Python语言，有C++开发经验者优先；\n3、熟练高性能计算优化技术，深入理解计算机体系结构，熟悉并行计算优化、访存优化，模型压缩，低比特计算等；\n4、熟悉常用深度学习算法优先，例如NLP，CV，语音；\n5、熟悉Deepspeed/Megatron等大规模训练框架，熟悉数据并行/模型并行/流水并行等常用分布式训练方案优先；\n6、熟悉CUDA生态，有CUDA/NCCL/Cutlass开发经验者优先。\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、负责音视频多模态场景大模型训练性能优化，负责开发和优化语音相关场景的大模型训练框架，保证训练效率达到业界领先水平；\n2、与算法同学深度合作，进行算法和训推系统的联合深度优化，支撑部门前沿技术探索以及落地；\n3、负责机器学习系统前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。\n1、2027届获得硕士及以上学位，人工智能、计算机、自动化、数学相关专业优先；\n2、熟悉PyTorch深度学习框架，熟练使用Python语言，有C++开发经验者优先；\n3、熟练高性能计算优化技术，深入理解计算机体系结构，熟悉并行计算优化、访存优化，模型压缩，低比特计算等；\n4、熟悉常用深度学习算法优先，例如NLP，CV，语音；\n5、熟悉Deepspeed/Megatron等大规模训练框架，熟悉数据并行/模型并行/流水并行等常用分布式训练方案优先；\n6、熟悉CUDA生态，有CUDA/NCCL/Cutlass开发经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}