主分类：大模型与生成式算法研发
辅助：Agent系统开发（仅展示）
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】Agentic RL For Long Horizon Task-剪映数据与智能团队",
"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：剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品，构建强大的算法能力壁垒。作为剪映系内的算法团队，负责推动整个业务在算法上的迭代与创新，为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。\n\n课题介绍：\nSeedance2.0发布后，创作Agent进入深水区，无论是漫剧/短剧/视频/图片都有新的飞跃，为了快速满足用户高质量的创作需求，尤其是超过15s的成片，需要一个涉及多轮Function Call的创作Agent去完成，涉及大量工具的调用，包括不限于意图，分镜，创意，故事性，故事版等。我们打造基于Agentic RL的Agent赋能业务。\nAgentic RL在训练 Long-Horizon Tasks有一系列核心难点，本质上比传统RL更复杂，“Agent”不仅要行动，还要规划、分解任务、记忆上下文。\n具体难点：\n1、Sparse Rewards；\n2、Credit Assignment；\n3、Planning & Decomposition；\n4、Huge State Space；\n5、Memory；\n6、Exploration；\n7、Optimization Difficulty；\n8、复杂的Agent交互环境\n我们需要解决Agentic RL在多轮Function Call，多个Tools和Skills下的长任务训练问题。\n\n课题挑战：\n1、Sparse Rewards\na、稀疏奖励，如何设计合理的奖励\n2、Credit Assignment\na、如何解决信用分配问题\n3、Planning & Decomposition\na、如何拆解子目标\nb、子目标的合理性\n4、复杂的Agent交互环境\na、特别长的上下文\nb、很多的Tools or Skills\n5、训练的稳定性\na、同步、异步RL\nb、Rollout效率\n\n课题价值：\n技术价值：\nAgentic RL在Long Horizon Task是业内公认的难题，是处理复杂任务，Agent任务必须要攻克的难题，是提升大模型Agent效果上限的关键难题。\n\n业务价值：\n1、Long Horizon Task的解决会极大提升剪映各创作agent在处理长任务时的效果，使自研模型对比基座取得行业SOTA；\n2、该技术的突破，可以落地更多更复杂的业务场景，尤其对目前的Sandbox Skill等架构有天然的适配。",
"requirements_text": "1、2027届及以后毕业，博士在读，人工智能、计算机科学、数学相关专业优先；\n2、技术能力： \n1）具备出色的编程能力，精通Python/C++，熟悉TensorFlow/PyTorch等框架，有自然语言处理（NLP）、计算机视觉（CV）或多模态生成模型（如CLIP、Diffusion Models）项目经验； \n2）熟悉AIGC工具链（LangChain、AutoGPT）者优先； \n3）熟悉大模型理论知识和应用，熟悉常见大模型架构，理解实际业务场景Agent设计理念；有实际大模型预训练、微调或推理优化经验者优先；\n3、学术与实践经验： \n1）在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、LLM等相关论文者优先； \n2）了解LLM架构，熟悉Multi-Agent技术、Prompt/Context Engineering工程技术，有AI Agent应用经验、AIGC实操经验的优先； \n3）热爱视频剪辑，对常用视频剪辑工具有使用经验者优先。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"自然语言处理",
"计算机视觉",
"视频剪辑",
"大语言模型"
],
"preferred_qualifications": "1、2027届及以后毕业，博士在读，人工智能、计算机科学、数学相关专业优先；2）熟悉AIGC工具链（LangChain、AutoGPT）者优先；有实际大模型预训练、微调或推理优化经验者优先；1）在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、LLM等相关论文者优先；2）了解LLM架构，熟悉Multi-Agent技术、Prompt/Context Engineering工程技术，有AI Agent应用经验、AIGC实操经验的优先；3）热爱视频剪辑，对常用视频剪辑工具有使用经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7628895590618351877/detail"
}
]
},
"posting": {
"posting_id": "7628895590618351877",
"post_date": "2026-04-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7628895590618351877/detail"
},
"fulltext": "【实习】Agentic RL For Long Horizon Task-剪映数据与智能团队\n职位描述\n团队介绍：剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品，构建强大的算法能力壁垒。作为剪映系内的算法团队，负责推动整个业务在算法上的迭代与创新，为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。\n\n课题介绍：\nSeedance2.0发布后，创作Agent进入深水区，无论是漫剧/短剧/视频/图片都有新的飞跃，为了快速满足用户高质量的创作需求，尤其是超过15s的成片，需要一个涉及多轮Function Call的创作Agent去完成，涉及大量工具的调用，包括不限于意图，分镜，创意，故事性，故事版等。我们打造基于Agentic RL的Agent赋能业务。\nAgentic RL在训练 Long-Horizon Tasks有一系列核心难点，本质上比传统RL更复杂，“Agent”不仅要行动，还要规划、分解任务、记忆上下文。\n具体难点：\n1、Sparse Rewards；\n2、Credit Assignment；\n3、Planning & Decomposition；\n4、Huge State Space；\n5、Memory；\n6、Exploration；\n7、Optimization Difficulty；\n8、复杂的Agent交互环境\n我们需要解决Agentic RL在多轮Function Call，多个Tools和Skills下的长任务训练问题。\n\n课题挑战：\n1、Sparse Rewards\na、稀疏奖励，如何设计合理的奖励\n2、Credit Assignment\na、如何解决信用分配问题\n3、Planning & Decomposition\na、如何拆解子目标\nb、子目标的合理性\n4、复杂的Agent交互环境\na、特别长的上下文\nb、很多的Tools or Skills\n5、训练的稳定性\na、同步、异步RL\nb、Rollout效率\n\n课题价值：\n技术价值：\nAgentic RL在Long Horizon Task是业内公认的难题，是处理复杂任务，Agent任务必须要攻克的难题，是提升大模型Agent效果上限的关键难题。\n\n业务价值：\n1、Long Horizon Task的解决会极大提升剪映各创作agent在处理长任务时的效果，使自研模型对比基座取得行业SOTA；\n2、该技术的突破，可以落地更多更复杂的业务场景，尤其对目前的Sandbox Skill等架构有天然的适配。\n\n职位要求\n1、2027届及以后毕业，博士在读，人工智能、计算机科学、数学相关专业优先；\n2、技术能力： \n1）具备出色的编程能力，精通Python/C++，熟悉TensorFlow/PyTorch等框架，有自然语言处理（NLP）、计算机视觉（CV）或多模态生成模型（如CLIP、Diffusion Models）项目经验； \n2）熟悉AIGC工具链（LangChain、AutoGPT）者优先； \n3）熟悉大模型理论知识和应用，熟悉常见大模型架构，理解实际业务场景Agent设计理念；有实际大模型预训练、微调或推理优化经验者优先；\n3、学术与实践经验： \n1）在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、LLM等相关论文者优先； \n2）了解LLM架构，熟悉Multi-Agent技术、Prompt/Context Engineering工程技术，有AI Agent应用经验、AIGC实操经验的优先； \n3）热爱视频剪辑，对常用视频剪辑工具有使用经验者优先。\n团队介绍：剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品，构建强大的算法能力壁垒。作为剪映系内的算法团队，负责推动整个业务在算法上的迭代与创新，为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。\n\n课题介绍：\nSeedance2.0发布后，创作Agent进入深水区，无论是漫剧/短剧/视频/图片都有新的飞跃，为了快速满足用户高质量的创作需求，尤其是超过15s的成片，需要一个涉及多轮Function Call的创作Agent去完成，涉及大量工具的调用，包括不限于意图，分镜，创意，故事性，故事版等。我们打造基于Agentic RL的Agent赋能业务。\nAgentic RL在训练 Long-Horizon Tasks有一系列核心难点，本质上比传统RL更复杂，“Agent”不仅要行动，还要规划、分解任务、记忆上下文。\n具体难点：\n1、Sparse Rewards；\n2、Credit Assignment；\n3、Planning & Decomposition；\n4、Huge State Space；\n5、Memory；\n6、Exploration；\n7、Optimization Difficulty；\n8、复杂的Agent交互环境\n我们需要解决Agentic RL在多轮Function Call，多个Tools和Skills下的长任务训练问题。\n\n课题挑战：\n1、Sparse Rewards\na、稀疏奖励，如何设计合理的奖励\n2、Credit Assignment\na、如何解决信用分配问题\n3、Planning & Decomposition\na、如何拆解子目标\nb、子目标的合理性\n4、复杂的Agent交互环境\na、特别长的上下文\nb、很多的Tools or Skills\n5、训练的稳定性\na、同步、异步RL\nb、Rollout效率\n\n课题价值：\n技术价值：\nAgentic RL在Long Horizon Task是业内公认的难题，是处理复杂任务，Agent任务必须要攻克的难题，是提升大模型Agent效果上限的关键难题。\n\n业务价值：\n1、Long Horizon Task的解决会极大提升剪映各创作agent在处理长任务时的效果，使自研模型对比基座取得行业SOTA；\n2、该技术的突破，可以落地更多更复杂的业务场景，尤其对目前的Sandbox Skill等架构有天然的适配。\n1、2027届及以后毕业，博士在读，人工智能、计算机科学、数学相关专业优先；\n2、技术能力： \n1）具备出色的编程能力，精通Python/C++，熟悉TensorFlow/PyTorch等框架，有自然语言处理（NLP）、计算机视觉（CV）或多模态生成模型（如CLIP、Diffusion Models）项目经验； \n2）熟悉AIGC工具链（LangChain、AutoGPT）者优先； \n3）熟悉大模型理论知识和应用，熟悉常见大模型架构，理解实际业务场景Agent设计理念；有实际大模型预训练、微调或推理优化经验者优先；\n3、学术与实践经验： \n1）在ACL/CVPR/SIGIR/KDD/NeurIPS/ICCV等顶会发表过AIGC、LLM等相关论文者优先； \n2）了解LLM架构，熟悉Multi-Agent技术、Prompt/Context Engineering工程技术，有AI Agent应用经验、AIGC实操经验的优先； \n3）热爱视频剪辑，对常用视频剪辑工具有使用经验者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}