主分类：Agent系统开发
辅助：AI模型评测工程（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": "大模型Agent研究工程师-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": "机器学习"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责大模型Agent系统的研究与工程落地，围绕复杂任务执行持续优化Agent效果，包括但不限于harness、memory、context compression、planning/execution、multi-agent collaboration等关键机制；\n2、设计并实现面向大规模Agent任务的Benchmark、评测集、指标体系与自动化评测流程，支持模型训练、版本迭代和产品上线；\n3、建设和优化Agent的关键能力接口与运行机制，包括Prompt、Tool use、任务拆解、上下文管理、模型编排、执行策略等；\n4、参与训练数据构造、样本优化与效果分析，提升模型在Agent场景下的性能、稳定性与易用性；\n5、与算法、平台、产品等团队协作，推动Agent在编程、研究、运营、知识工作等场景中的落地，并围绕效果、成本、稳定性持续优化。",
"requirements_text": "1、对语言大模型、多模态大模型、智能代理Agent技术以及大模型部署流程有较好的理解；\n2、具备扎实的软件工程能力与机器学习基础，能够独立完成复杂系统设计、开发与优化；\n3、具备基于大语言模型构建复杂Agent系统的实践经验，理解任务规划、执行、记忆、协作等关键机制，有语言模型强化学习（RL）或多智能体系统经验者优先；\n4、具备Prompt设计、模型应用开发、模型编排或相关产品化经验；\n5、熟悉常见Agent Benchmark或相关评测方法，有Benchmark工程化、自动评测、效果分析经验者优先，持续关注Agent、多智能体、自动评测、训练优化等前沿研究与行业进展；\n6、具备良好的沟通与协作能力，能够与研究、产品、工程团队高效配合推进复杂问题落地。",
"skills": [AI生成
"机器学习",
"强化学习",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "3、具备基于大语言模型构建复杂Agent系统的实践经验，理解任务规划、执行、记忆、协作等关键机制，有语言模型强化学习（RL）或多智能体系统经验者优先；5、熟悉常见Agent Benchmark或相关评测方法，有Benchmark工程化、自动评测、效果分析经验者优先，持续关注Agent、多智能体、自动评测、训练优化等前沿研究与行业进展",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7628902314323806469/detail"
}
]
},
"posting": {
"posting_id": "7628902314323806469",
"post_date": "2026-04-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7628902314323806469/detail"
},
"fulltext": "大模型Agent研究工程师-Seed\n职位描述\n1、负责大模型Agent系统的研究与工程落地，围绕复杂任务执行持续优化Agent效果，包括但不限于harness、memory、context compression、planning/execution、multi-agent collaboration等关键机制；\n2、设计并实现面向大规模Agent任务的Benchmark、评测集、指标体系与自动化评测流程，支持模型训练、版本迭代和产品上线；\n3、建设和优化Agent的关键能力接口与运行机制，包括Prompt、Tool use、任务拆解、上下文管理、模型编排、执行策略等；\n4、参与训练数据构造、样本优化与效果分析，提升模型在Agent场景下的性能、稳定性与易用性；\n5、与算法、平台、产品等团队协作，推动Agent在编程、研究、运营、知识工作等场景中的落地，并围绕效果、成本、稳定性持续优化。\n\n职位要求\n1、对语言大模型、多模态大模型、智能代理Agent技术以及大模型部署流程有较好的理解；\n2、具备扎实的软件工程能力与机器学习基础，能够独立完成复杂系统设计、开发与优化；\n3、具备基于大语言模型构建复杂Agent系统的实践经验，理解任务规划、执行、记忆、协作等关键机制，有语言模型强化学习（RL）或多智能体系统经验者优先；\n4、具备Prompt设计、模型应用开发、模型编排或相关产品化经验；\n5、熟悉常见Agent Benchmark或相关评测方法，有Benchmark工程化、自动评测、效果分析经验者优先，持续关注Agent、多智能体、自动评测、训练优化等前沿研究与行业进展；\n6、具备良好的沟通与协作能力，能够与研究、产品、工程团队高效配合推进复杂问题落地。\n1、负责大模型Agent系统的研究与工程落地，围绕复杂任务执行持续优化Agent效果，包括但不限于harness、memory、context compression、planning/execution、multi-agent collaboration等关键机制；\n2、设计并实现面向大规模Agent任务的Benchmark、评测集、指标体系与自动化评测流程，支持模型训练、版本迭代和产品上线；\n3、建设和优化Agent的关键能力接口与运行机制，包括Prompt、Tool use、任务拆解、上下文管理、模型编排、执行策略等；\n4、参与训练数据构造、样本优化与效果分析，提升模型在Agent场景下的性能、稳定性与易用性；\n5、与算法、平台、产品等团队协作，推动Agent在编程、研究、运营、知识工作等场景中的落地，并围绕效果、成本、稳定性持续优化。\n1、对语言大模型、多模态大模型、智能代理Agent技术以及大模型部署流程有较好的理解；\n2、具备扎实的软件工程能力与机器学习基础，能够独立完成复杂系统设计、开发与优化；\n3、具备基于大语言模型构建复杂Agent系统的实践经验，理解任务规划、执行、记忆、协作等关键机制，有语言模型强化学习（RL）或多智能体系统经验者优先；\n4、具备Prompt设计、模型应用开发、模型编排或相关产品化经验；\n5、熟悉常见Agent Benchmark或相关评测方法，有Benchmark工程化、自动评测、效果分析经验者优先，持续关注Agent、多智能体、自动评测、训练优化等前沿研究与行业进展；\n6、具备良好的沟通与协作能力，能够与研究、产品、工程团队高效配合推进复杂问题落地。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}