{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "基于LLM的软件缺陷检测技术的探索和研究-质量技术",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "杭州",
        "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": "获得博士学位",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍：字节跳动质量技术团队，我们聚焦质量领域前沿创新，打造稳定、高效、领先的质量技术，深度赋能抖音、今日头条、豆包、电商等亿级用户产品。\n当前，我们通过AI来检测代码、架构、产品的缺陷、风险和效果，用AI重构质量保障模式，提升研发效能。聚焦智能缺陷检测、GUI agent、AI评测等前沿方向，希望通过质量技术的突破，用AI改变测试行业。欢迎加入，与我们一起，定义和构建下一代质量技术，推动行业前进。\n\n课题介绍：\n随着大模型技术在软件开发领域的广泛应用，代码开发效率显著提升，AI生成代码的质量不确定性，都为软件测试带来了全新挑战。传统静态分析方法在复杂业务逻辑校验、功能一致性验证等场景存在明显局限，而动态GUI测试与API测试则面临执行开销高、测试覆盖度不足等问题。\n本课题旨在构建一种基于LLM的智能缺陷检测系统。通过对需求文档和技术方案的语义理解，结合跨端、跨仓的代码调用关系的刻画，产出业务逻辑与代码实现的精准对齐，在此基础上，构建具备对各类缺陷特征有充分感知的缺陷检测智能体，高效、精准的识别业务逻辑、架构性能、程序安全等复杂缺陷。\n\n课题挑战：\n1、公司多样化业务场景下，对多模态需求的语义理解和功能逻辑提取；\n2、跨端、跨仓、多技术栈的代码链路分析；\n3、海量缺陷数据的特征分析和提取；\n4、支持大规模应用的Agent系统工程；\n\n课题价值：\n1、保证软件质量的要求下，构建一种以静态检测技术为主的软件测试模式，优化测试资源的配置和效率；\n2、实现软件缺陷的早期发现，降低缺陷识别和修复的成本，显著提升研发效能。",
        "requirements_text": "1、2027届毕业，获得博士学位，人工智能、计算机、数学相关专业优先；\n2、对LLM在代码领域的应用有较大的兴趣，有一定实践经验者优先；\n3、出色的问题分析能力，能够自主探索前沿技术，并积极应用到业务问题解决中；\n4、良好的沟通联动能力，与团队持续探索&学习新技术，实现先进技术的不断落地；\n5、优秀的代码能力、数据结构和基础算法功底；\n6、在LLM、Agent架构领域有扎实的理论和实践基础，有发表顶会论文优先，有高影响力的开源项目者优先。",
        "skills": [AI生成
            "数据结构",
            "分析能力"
        ],
        "preferred_qualifications": "1、2027届毕业，获得博士学位，人工智能、计算机、数学相关专业优先；2、对LLM在代码领域的应用有较大的兴趣，有一定实践经验者优先；6、在LLM、Agent架构领域有扎实的理论和实践基础，有发表顶会论文优先，有高影响力的开源项目者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7628831790243268869/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7628831790243268869",
        "post_date": "2026-04-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7628831790243268869/detail"
    },
    "fulltext": "基于LLM的软件缺陷检测技术的探索和研究-质量技术\n职位描述\n团队介绍：字节跳动质量技术团队，我们聚焦质量领域前沿创新，打造稳定、高效、领先的质量技术，深度赋能抖音、今日头条、豆包、电商等亿级用户产品。\n当前，我们通过AI来检测代码、架构、产品的缺陷、风险和效果，用AI重构质量保障模式，提升研发效能。聚焦智能缺陷检测、GUI agent、AI评测等前沿方向，希望通过质量技术的突破，用AI改变测试行业。欢迎加入，与我们一起，定义和构建下一代质量技术，推动行业前进。\n\n课题介绍：\n随着大模型技术在软件开发领域的广泛应用，代码开发效率显著提升，AI生成代码的质量不确定性，都为软件测试带来了全新挑战。传统静态分析方法在复杂业务逻辑校验、功能一致性验证等场景存在明显局限，而动态GUI测试与API测试则面临执行开销高、测试覆盖度不足等问题。\n本课题旨在构建一种基于LLM的智能缺陷检测系统。通过对需求文档和技术方案的语义理解，结合跨端、跨仓的代码调用关系的刻画，产出业务逻辑与代码实现的精准对齐，在此基础上，构建具备对各类缺陷特征有充分感知的缺陷检测智能体，高效、精准的识别业务逻辑、架构性能、程序安全等复杂缺陷。\n\n课题挑战：\n1、公司多样化业务场景下，对多模态需求的语义理解和功能逻辑提取；\n2、跨端、跨仓、多技术栈的代码链路分析；\n3、海量缺陷数据的特征分析和提取；\n4、支持大规模应用的Agent系统工程；\n\n课题价值：\n1、保证软件质量的要求下，构建一种以静态检测技术为主的软件测试模式，优化测试资源的配置和效率；\n2、实现软件缺陷的早期发现，降低缺陷识别和修复的成本，显著提升研发效能。\n\n职位要求\n1、2027届毕业，获得博士学位，人工智能、计算机、数学相关专业优先；\n2、对LLM在代码领域的应用有较大的兴趣，有一定实践经验者优先；\n3、出色的问题分析能力，能够自主探索前沿技术，并积极应用到业务问题解决中；\n4、良好的沟通联动能力，与团队持续探索&学习新技术，实现先进技术的不断落地；\n5、优秀的代码能力、数据结构和基础算法功底；\n6、在LLM、Agent架构领域有扎实的理论和实践基础，有发表顶会论文优先，有高影响力的开源项目者优先。\n团队介绍：字节跳动质量技术团队，我们聚焦质量领域前沿创新，打造稳定、高效、领先的质量技术，深度赋能抖音、今日头条、豆包、电商等亿级用户产品。\n当前，我们通过AI来检测代码、架构、产品的缺陷、风险和效果，用AI重构质量保障模式，提升研发效能。聚焦智能缺陷检测、GUI agent、AI评测等前沿方向，希望通过质量技术的突破，用AI改变测试行业。欢迎加入，与我们一起，定义和构建下一代质量技术，推动行业前进。\n\n课题介绍：\n随着大模型技术在软件开发领域的广泛应用，代码开发效率显著提升，AI生成代码的质量不确定性，都为软件测试带来了全新挑战。传统静态分析方法在复杂业务逻辑校验、功能一致性验证等场景存在明显局限，而动态GUI测试与API测试则面临执行开销高、测试覆盖度不足等问题。\n本课题旨在构建一种基于LLM的智能缺陷检测系统。通过对需求文档和技术方案的语义理解，结合跨端、跨仓的代码调用关系的刻画，产出业务逻辑与代码实现的精准对齐，在此基础上，构建具备对各类缺陷特征有充分感知的缺陷检测智能体，高效、精准的识别业务逻辑、架构性能、程序安全等复杂缺陷。\n\n课题挑战：\n1、公司多样化业务场景下，对多模态需求的语义理解和功能逻辑提取；\n2、跨端、跨仓、多技术栈的代码链路分析；\n3、海量缺陷数据的特征分析和提取；\n4、支持大规模应用的Agent系统工程；\n\n课题价值：\n1、保证软件质量的要求下，构建一种以静态检测技术为主的软件测试模式，优化测试资源的配置和效率；\n2、实现软件缺陷的早期发现，降低缺陷识别和修复的成本，显著提升研发效能。\n1、2027届毕业，获得博士学位，人工智能、计算机、数学相关专业优先；\n2、对LLM在代码领域的应用有较大的兴趣，有一定实践经验者优先；\n3、出色的问题分析能力，能够自主探索前沿技术，并积极应用到业务问题解决中；\n4、良好的沟通联动能力，与团队持续探索&学习新技术，实现先进技术的不断落地；\n5、优秀的代码能力、数据结构和基础算法功底；\n6、在LLM、Agent架构领域有扎实的理论和实践基础，有发表顶会论文优先，有高影响力的开源项目者优先。",
    "standard_classification": {
        "std_category_code": "T022",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}