主分类：通用算法研发（其他方向）
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": "【实习】大模型Agent工具体系的自动化演进框架：本体自动构建与迭代优化-集团信息系统（深圳）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "深圳",
"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": "博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：集团信息系统部（Corporate Information System）负责字节跳动信息系统建设。通过构建领先的信息系统，助力公司业务和组织的长期高效经营与发展。与此同时，在安全、隐私、合规层面持续治理，为公司的稳健发展保驾护航。字节跳动的业务模式复杂，用户规模大。到现在，集团信息系统部已经覆盖人事、财务、法务、采购、审批、职场等多个领域，隐私安全工作同步开展，AIGC创新孵化也在逐步落地实现。\n\n课题介绍：\n随着大模型Agent能力的快速发展，企业级AI助手正从单轮问答走向多工具协同的复杂任务执行。公司内部已接入大量内部MCP服务并封装为Skill供Agent调用。然而，当Skill规模从数十增长至数百甚至上千时，模型的工具选择准确率和参数填充质量显著下降。现有学术研究（ToolLLM、ToolBench等）均假设工具描述由人工编写且固定不变，忽略了两个关键优化维度：一是Skill语义描述本身可作为可优化变量，通过自动化迭代提升模型理解；二是Skill的粒度划分（合并、拆分、重组）直接影响工具选择的搜索空间复杂度。本课题提出SkillForge框架，借鉴Autotool、Automl的自动化实验循环思想，研究大规模Skill体系下描述优化与拓扑结构联合搜索的方法。\n\n课题挑战：\n1、Skill间语义边界模糊导致路由冲突，单点优化引发全局回归；\n2、合并/拆分涉及Schema兼容与权限约束，搜索空间组合爆炸；\n3、缺乏标准化的端到端评估体系与真实场景Benchmark。\n\n课题价值：\n1、技术价值：填补Tool Description自动优化与Tool Ontology联合搜索的学术空白，预期产出顶会论文；\n2、业务价值：直接提升企业Agent的工具调用准确率，降低Skill运营的人工维护成本。",
"requirements_text": "1、2027届及以后毕业，博士在读，有人工智能、计算机、软件工程等相关专业的学术研究经历优先；\n2、扎实的算法和数据结构基础，熟练掌握Python/Go/C++等至少一种编程语言；\n3、动手能力强，熟悉NLP/CV领域的理论基础，掌握统计模型、机器学习相关原理，具有实战经验，参与过相关项目；\n4、学习能力优秀，有良好的团队合作精神，有责任心；\n5、熟悉业界领先大语言模型（GPT系列、LLaMA、ChatGLM等）的原理与训练方法，有NLP、计算机视觉、多模态大模型等科研经历或者对LLM有实践应用经历优先；\n6、在顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先；在Kaggle，COCO，ImageNet，ActivityNet，ICPC，NOI/IOI等比赛获奖者优先。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"计算机视觉",
"数据结构",
"团队协作",
"学习能力",
"Go",
"大语言模型"
],
"preferred_qualifications": "1、2027届及以后毕业，博士在读，有人工智能、计算机、软件工程等相关专业的学术研究经历优先；5、熟悉业界领先大语言模型（GPT系列、LLaMA、ChatGLM等）的原理与训练方法，有NLP、计算机视觉、多模态大模型等科研经历或者对LLM有实践应用经历优先；6、在顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先；在Kaggle，COCO，ImageNet，ActivityNet，ICPC，NOI/IOI等比赛获奖者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7628626373397334325/detail"
}
]
},
"posting": {
"posting_id": "7628626373397334325",
"post_date": "2026-04-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7628626373397334325/detail"
},
"fulltext": "【实习】大模型Agent工具体系的自动化演进框架：本体自动构建与迭代优化-集团信息系统（深圳）\n职位描述\n团队介绍：集团信息系统部（Corporate Information System）负责字节跳动信息系统建设。通过构建领先的信息系统，助力公司业务和组织的长期高效经营与发展。与此同时，在安全、隐私、合规层面持续治理，为公司的稳健发展保驾护航。字节跳动的业务模式复杂，用户规模大。到现在，集团信息系统部已经覆盖人事、财务、法务、采购、审批、职场等多个领域，隐私安全工作同步开展，AIGC创新孵化也在逐步落地实现。\n\n课题介绍：\n随着大模型Agent能力的快速发展，企业级AI助手正从单轮问答走向多工具协同的复杂任务执行。公司内部已接入大量内部MCP服务并封装为Skill供Agent调用。然而，当Skill规模从数十增长至数百甚至上千时，模型的工具选择准确率和参数填充质量显著下降。现有学术研究（ToolLLM、ToolBench等）均假设工具描述由人工编写且固定不变，忽略了两个关键优化维度：一是Skill语义描述本身可作为可优化变量，通过自动化迭代提升模型理解；二是Skill的粒度划分（合并、拆分、重组）直接影响工具选择的搜索空间复杂度。本课题提出SkillForge框架，借鉴Autotool、Automl的自动化实验循环思想，研究大规模Skill体系下描述优化与拓扑结构联合搜索的方法。\n\n课题挑战：\n1、Skill间语义边界模糊导致路由冲突，单点优化引发全局回归；\n2、合并/拆分涉及Schema兼容与权限约束，搜索空间组合爆炸；\n3、缺乏标准化的端到端评估体系与真实场景Benchmark。\n\n课题价值：\n1、技术价值：填补Tool Description自动优化与Tool Ontology联合搜索的学术空白，预期产出顶会论文；\n2、业务价值：直接提升企业Agent的工具调用准确率，降低Skill运营的人工维护成本。\n\n职位要求\n1、2027届及以后毕业，博士在读，有人工智能、计算机、软件工程等相关专业的学术研究经历优先；\n2、扎实的算法和数据结构基础，熟练掌握Python/Go/C++等至少一种编程语言；\n3、动手能力强，熟悉NLP/CV领域的理论基础，掌握统计模型、机器学习相关原理，具有实战经验，参与过相关项目；\n4、学习能力优秀，有良好的团队合作精神，有责任心；\n5、熟悉业界领先大语言模型（GPT系列、LLaMA、ChatGLM等）的原理与训练方法，有NLP、计算机视觉、多模态大模型等科研经历或者对LLM有实践应用经历优先；\n6、在顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先；在Kaggle，COCO，ImageNet，ActivityNet，ICPC，NOI/IOI等比赛获奖者优先。\n团队介绍：集团信息系统部（Corporate Information System）负责字节跳动信息系统建设。通过构建领先的信息系统，助力公司业务和组织的长期高效经营与发展。与此同时，在安全、隐私、合规层面持续治理，为公司的稳健发展保驾护航。字节跳动的业务模式复杂，用户规模大。到现在，集团信息系统部已经覆盖人事、财务、法务、采购、审批、职场等多个领域，隐私安全工作同步开展，AIGC创新孵化也在逐步落地实现。\n\n课题介绍：\n随着大模型Agent能力的快速发展，企业级AI助手正从单轮问答走向多工具协同的复杂任务执行。公司内部已接入大量内部MCP服务并封装为Skill供Agent调用。然而，当Skill规模从数十增长至数百甚至上千时，模型的工具选择准确率和参数填充质量显著下降。现有学术研究（ToolLLM、ToolBench等）均假设工具描述由人工编写且固定不变，忽略了两个关键优化维度：一是Skill语义描述本身可作为可优化变量，通过自动化迭代提升模型理解；二是Skill的粒度划分（合并、拆分、重组）直接影响工具选择的搜索空间复杂度。本课题提出SkillForge框架，借鉴Autotool、Automl的自动化实验循环思想，研究大规模Skill体系下描述优化与拓扑结构联合搜索的方法。\n\n课题挑战：\n1、Skill间语义边界模糊导致路由冲突，单点优化引发全局回归；\n2、合并/拆分涉及Schema兼容与权限约束，搜索空间组合爆炸；\n3、缺乏标准化的端到端评估体系与真实场景Benchmark。\n\n课题价值：\n1、技术价值：填补Tool Description自动优化与Tool Ontology联合搜索的学术空白，预期产出顶会论文；\n2、业务价值：直接提升企业Agent的工具调用准确率，降低Skill运营的人工维护成本。\n1、2027届及以后毕业，博士在读，有人工智能、计算机、软件工程等相关专业的学术研究经历优先；\n2、扎实的算法和数据结构基础，熟练掌握Python/Go/C++等至少一种编程语言；\n3、动手能力强，熟悉NLP/CV领域的理论基础，掌握统计模型、机器学习相关原理，具有实战经验，参与过相关项目；\n4、学习能力优秀，有良好的团队合作精神，有责任心；\n5、熟悉业界领先大语言模型（GPT系列、LLaMA、ChatGLM等）的原理与训练方法，有NLP、计算机视觉、多模态大模型等科研经历或者对LLM有实践应用经历优先；\n6、在顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先；在Kaggle，COCO，ImageNet，ActivityNet，ICPC，NOI/IOI等比赛获奖者优先。",
"standard_classification": {
"std_category_code": "T033",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}