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": "大模型算法（AI Coding方向）实习生-TikTok泛架构",
"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": "2027届硕士及以上学位在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。\nTikTok泛架构团队处于业务和基础架构之间，我们的目标是拥抱AI，构建最先进的业务架构基建，建立公众信任和合规，关注资源管理和成本优化，用户体验和稳定性，提高工程质量和研发效率。在这里你既能感受到技术对上层业务的赋能，又可以提高在架构层面技术深度的理解，期待你的加入！\n\n1、参与代码大模型（Code LLM）的训练、微调，研究方向包括但不限于：代码生成、补全、翻译的模型训练与调优；基于RAG（检索增强生成）的代码知识库构建与应用；强化学习（RL）在代码生成中的对齐优化（如PPO、GRPO）；\n2、Agent技术在软件工程和研发场景的应用；\n3、复现前沿论文和方法。",
"requirements_text": "1、2027届硕士及以上学位在读，计算机、软件工程等相关专业优先；\n2、扎实的算法基础（数据结构/机器学习/深度学习）；\n3、熟练掌握Python，熟悉PyTorch框架，编码能力优秀；理解Transformer/BERT/GPT等模型架构，有LLM相关项目经验者优先；\n4、对大模型训练（NLP、模型微调）、RAG技术（检索器/向量数据库/排序算法）、强化学习（Reward Modeling、RLVR）有任一方向实践经验优先。\n\n加分项：\n1、在顶会（ACL/ICLR/NeurIPS等）发表过相关论文；\n2、熟悉代码分析工具（AST解析、LSP）或编程语言特性；\n3、有大规模数据处理（Spark）、大模型评测等经验。",
"skills": [AI生成
"Python",
"Spark",
"PyTorch",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"数据结构",
"数据库",
"模型训练",
"模型微调",
"大语言模型"
],
"preferred_qualifications": "1、2027届硕士及以上学位在读，计算机、软件工程等相关专业优先；理解Transformer/BERT/GPT等模型架构，有LLM相关项目经验者优先；4、对大模型训练（NLP、模型微调）、RAG技术（检索器/向量数据库/排序算法）、强化学习（Reward Modeling、RLVR）有任一方向实践经验优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7628591755448944949/detail"
}
]
},
"posting": {
"posting_id": "7628591755448944949",
"post_date": "2026-04-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7628591755448944949/detail"
},
"fulltext": "大模型算法（AI Coding方向）实习生-TikTok泛架构\n职位描述\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。\nTikTok泛架构团队处于业务和基础架构之间，我们的目标是拥抱AI，构建最先进的业务架构基建，建立公众信任和合规，关注资源管理和成本优化，用户体验和稳定性，提高工程质量和研发效率。在这里你既能感受到技术对上层业务的赋能，又可以提高在架构层面技术深度的理解，期待你的加入！\n\n1、参与代码大模型（Code LLM）的训练、微调，研究方向包括但不限于：代码生成、补全、翻译的模型训练与调优；基于RAG（检索增强生成）的代码知识库构建与应用；强化学习（RL）在代码生成中的对齐优化（如PPO、GRPO）；\n2、Agent技术在软件工程和研发场景的应用；\n3、复现前沿论文和方法。\n\n职位要求\n1、2027届硕士及以上学位在读，计算机、软件工程等相关专业优先；\n2、扎实的算法基础（数据结构/机器学习/深度学习）；\n3、熟练掌握Python，熟悉PyTorch框架，编码能力优秀；理解Transformer/BERT/GPT等模型架构，有LLM相关项目经验者优先；\n4、对大模型训练（NLP、模型微调）、RAG技术（检索器/向量数据库/排序算法）、强化学习（Reward Modeling、RLVR）有任一方向实践经验优先。\n\n加分项：\n1、在顶会（ACL/ICLR/NeurIPS等）发表过相关论文；\n2、熟悉代码分析工具（AST解析、LSP）或编程语言特性；\n3、有大规模数据处理（Spark）、大模型评测等经验。\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。\nTikTok泛架构团队处于业务和基础架构之间，我们的目标是拥抱AI，构建最先进的业务架构基建，建立公众信任和合规，关注资源管理和成本优化，用户体验和稳定性，提高工程质量和研发效率。在这里你既能感受到技术对上层业务的赋能，又可以提高在架构层面技术深度的理解，期待你的加入！\n\n1、参与代码大模型（Code LLM）的训练、微调，研究方向包括但不限于：代码生成、补全、翻译的模型训练与调优；基于RAG（检索增强生成）的代码知识库构建与应用；强化学习（RL）在代码生成中的对齐优化（如PPO、GRPO）；\n2、Agent技术在软件工程和研发场景的应用；\n3、复现前沿论文和方法。\n1、2027届硕士及以上学位在读，计算机、软件工程等相关专业优先；\n2、扎实的算法基础（数据结构/机器学习/深度学习）；\n3、熟练掌握Python，熟悉PyTorch框架，编码能力优秀；理解Transformer/BERT/GPT等模型架构，有LLM相关项目经验者优先；\n4、对大模型训练（NLP、模型微调）、RAG技术（检索器/向量数据库/排序算法）、强化学习（Reward Modeling、RLVR）有任一方向实践经验优先。\n\n加分项：\n1、在顶会（ACL/ICLR/NeurIPS等）发表过相关论文；\n2、熟悉代码分析工具（AST解析、LSP）或编程语言特性；\n3、有大规模数据处理（Spark）、大模型评测等经验。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}