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": "豆包算法工程师-Seed",
"job_level": "未披露",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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、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、本科及以上学历，计算机、数学、统计等相关专业；\n2、计算机基础扎实，具备工程实现能力（精通Python/C++），拥有扎实的数学功底和机器学习理论基础；\n3、有ACM-ICPC、NOI/IOI等竞赛金牌背景或在NeurIPS，ICLR，ICML，CVPR，ACL等会议发表过高水平论文者优先；\n4、深入理解大模型训练全流程，在RL、NLP或CV领域有深厚积累，理解算法本质原理；\n5、深度参与过大模型Post-training相关项目，对数据清洗、指令构建、奖励模型（Reward Model）训练有实际心得；\n6、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，更在意用户感受的跨越。",
"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": "3、有ACM-ICPC、NOI/IOI等竞赛金牌背景或在NeurIPS，ICLR，ICML，CVPR，ACL等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/experienced/position/7626272784268265733/detail"
}
]
},
"posting": {
"posting_id": "7626272784268265733",
"post_date": "2026-04-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7626272784268265733/detail"
},
"fulltext": "豆包算法工程师-Seed\n职位描述\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、本科及以上学历，计算机、数学、统计等相关专业；\n2、计算机基础扎实，具备工程实现能力（精通Python/C++），拥有扎实的数学功底和机器学习理论基础；\n3、有ACM-ICPC、NOI/IOI等竞赛金牌背景或在NeurIPS，ICLR，ICML，CVPR，ACL等会议发表过高水平论文者优先；\n4、深入理解大模型训练全流程，在RL、NLP或CV领域有深厚积累，理解算法本质原理；\n5、深度参与过大模型Post-training相关项目，对数据清洗、指令构建、奖励模型（Reward Model）训练有实际心得；\n6、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，更在意用户感受的跨越。\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、本科及以上学历，计算机、数学、统计等相关专业；\n2、计算机基础扎实，具备工程实现能力（精通Python/C++），拥有扎实的数学功底和机器学习理论基础；\n3、有ACM-ICPC、NOI/IOI等竞赛金牌背景或在NeurIPS，ICLR，ICML，CVPR，ACL等会议发表过高水平论文者优先；\n4、深入理解大模型训练全流程，在RL、NLP或CV领域有深厚积累，理解算法本质原理；\n5、深度参与过大模型Post-training相关项目，对数据清洗、指令构建、奖励模型（Reward Model）训练有实际心得；\n6、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，更在意用户感受的跨越。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}