主分类：AI训练推理与计算优化
辅助：AI模型评测工程、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": "AI基建工程师 - 风控",
"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": "研发"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：风控团队由算法、工程、产品三大团队协同构成，为抖音、今日头条、豆包、剪映等字节跳动业务的内容、交易、流量、账号场景提供智能风控，服务十亿级用户；场景对抗性极强、推理链路长、多模态数据海量，是 AI 时代最有挑战的实战领域之一。算法团队推进 LLM/MLLM 与 Agentic AI 的工业化落地，构建下一代智能风控基建；工程团队依托高并发、大数据与大模型，搭建端云一体的多层对抗体系与情报预警；产品团队评估业务风险、制定策略、探索 AI 在风控中的边界。三线协同，打造高效、前瞻的智能风控防线。\n\n1、参与风控AI Infra建设，面向抖音、今日头条等字节跳动全系产品，围绕数据层、训练层、模型层、服务层、计算层，打造稳定高效的算法基础设施；\n2、参与风控模型/Agent的特征工程与数据资产建设，包括数据采集/清洗/标注、特征消费与质量监控，在满足灵活与安全的前提下，构建高性能、高质量、可追溯的数据资产；\n3、参与模型及Agent评测体系搭建与优化，建设统一的离线/在线评测流程和榜单，支持效果回归测试、负面案例分析与效果归因；\n4、参与风控场景下AI Agent的基础设施建设与二次开发，沉淀通用组件和工具，包括但不限于CLI/Skills、知识库等，致力于提高Agent迭代与落地效率；\n5、参与大模型推理框架（如vLLM/XLLM等）在风控场景的适配与优化，探索推理加速、算力治理与成本优化方案。",
"requirements_text": "1、本科及以上学历，计算机、通信、电子工程、应用数学等相关专业优先，具备扎实的计算机基础；\n2、至少2年机器学习/算法基建或数据平台相关工作经验，有风控、广告、推荐、搜索等机器学习/算法基建或数据平台经验者优先；\n3、热爱计算机科学和互联网技术，精通至少一门开发语言（Go/Java/Python/C++/Rust等），具备良好的工程化能力和线上问题排查能力，有复杂系统设计与性能优化经验者优先；\n4、深入理解数据结构、算法、操作系统、计算机网络等基础知识，对高并发、高可用分布式系统有一定实践和认知；\n5、对AI Agent、智能决策、自动化风控有浓厚兴趣，积极追踪大模型及Agent开源社区进展，了解大模型训练、微调、服务化等基本原理；\n6、有以下任一经验者优先：在特征工程/样本质量闭环建设方面具备系统性实践；深度参与过模型评测平台或评测榜单建设；拥有Agent二次开发或工具链建设经验；熟悉并在生产环境中运用vLLM等大模型推理框架开展性能优化与成本降低工作；对开源社区有过高质量贡献。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Rust",
"机器学习",
"数据结构",
"分布式系统",
"模型训练",
"性能优化",
"Go",
"大语言模型"
],
"preferred_qualifications": "1、本科及以上学历，计算机、通信、电子工程、应用数学等相关专业优先，具备扎实的计算机基础；2、至少2年机器学习/算法基建或数据平台相关工作经验，有风控、广告、推荐、搜索等机器学习/算法基建或数据平台经验者优先；3、热爱计算机科学和互联网技术，精通至少一门开发语言（Go/Java/Python/C++/Rust等），具备良好的工程化能力和线上问题排查能力，有复杂系统设计与性能优化经验者优先；6、有以下任一经验者优先：在特征工程/样本质量闭环建设方面具备系统性实践",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7639701657265867061/detail"
}
]
},
"posting": {
"posting_id": "7639701657265867061",
"post_date": "2026-05-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7639701657265867061/detail"
},
"fulltext": "AI基建工程师 - 风控\n职位描述\n团队介绍：风控团队由算法、工程、产品三大团队协同构成，为抖音、今日头条、豆包、剪映等字节跳动业务的内容、交易、流量、账号场景提供智能风控，服务十亿级用户；场景对抗性极强、推理链路长、多模态数据海量，是 AI 时代最有挑战的实战领域之一。算法团队推进 LLM/MLLM 与 Agentic AI 的工业化落地，构建下一代智能风控基建；工程团队依托高并发、大数据与大模型，搭建端云一体的多层对抗体系与情报预警；产品团队评估业务风险、制定策略、探索 AI 在风控中的边界。三线协同，打造高效、前瞻的智能风控防线。\n\n1、参与风控AI Infra建设，面向抖音、今日头条等字节跳动全系产品，围绕数据层、训练层、模型层、服务层、计算层，打造稳定高效的算法基础设施；\n2、参与风控模型/Agent的特征工程与数据资产建设，包括数据采集/清洗/标注、特征消费与质量监控，在满足灵活与安全的前提下，构建高性能、高质量、可追溯的数据资产；\n3、参与模型及Agent评测体系搭建与优化，建设统一的离线/在线评测流程和榜单，支持效果回归测试、负面案例分析与效果归因；\n4、参与风控场景下AI Agent的基础设施建设与二次开发，沉淀通用组件和工具，包括但不限于CLI/Skills、知识库等，致力于提高Agent迭代与落地效率；\n5、参与大模型推理框架（如vLLM/XLLM等）在风控场景的适配与优化，探索推理加速、算力治理与成本优化方案。\n\n职位要求\n1、本科及以上学历，计算机、通信、电子工程、应用数学等相关专业优先，具备扎实的计算机基础；\n2、至少2年机器学习/算法基建或数据平台相关工作经验，有风控、广告、推荐、搜索等机器学习/算法基建或数据平台经验者优先；\n3、热爱计算机科学和互联网技术，精通至少一门开发语言（Go/Java/Python/C++/Rust等），具备良好的工程化能力和线上问题排查能力，有复杂系统设计与性能优化经验者优先；\n4、深入理解数据结构、算法、操作系统、计算机网络等基础知识，对高并发、高可用分布式系统有一定实践和认知；\n5、对AI Agent、智能决策、自动化风控有浓厚兴趣，积极追踪大模型及Agent开源社区进展，了解大模型训练、微调、服务化等基本原理；\n6、有以下任一经验者优先：在特征工程/样本质量闭环建设方面具备系统性实践；深度参与过模型评测平台或评测榜单建设；拥有Agent二次开发或工具链建设经验；熟悉并在生产环境中运用vLLM等大模型推理框架开展性能优化与成本降低工作；对开源社区有过高质量贡献。\n团队介绍：风控团队由算法、工程、产品三大团队协同构成，为抖音、今日头条、豆包、剪映等字节跳动业务的内容、交易、流量、账号场景提供智能风控，服务十亿级用户；场景对抗性极强、推理链路长、多模态数据海量，是 AI 时代最有挑战的实战领域之一。算法团队推进 LLM/MLLM 与 Agentic AI 的工业化落地，构建下一代智能风控基建；工程团队依托高并发、大数据与大模型，搭建端云一体的多层对抗体系与情报预警；产品团队评估业务风险、制定策略、探索 AI 在风控中的边界。三线协同，打造高效、前瞻的智能风控防线。\n\n1、参与风控AI Infra建设，面向抖音、今日头条等字节跳动全系产品，围绕数据层、训练层、模型层、服务层、计算层，打造稳定高效的算法基础设施；\n2、参与风控模型/Agent的特征工程与数据资产建设，包括数据采集/清洗/标注、特征消费与质量监控，在满足灵活与安全的前提下，构建高性能、高质量、可追溯的数据资产；\n3、参与模型及Agent评测体系搭建与优化，建设统一的离线/在线评测流程和榜单，支持效果回归测试、负面案例分析与效果归因；\n4、参与风控场景下AI Agent的基础设施建设与二次开发，沉淀通用组件和工具，包括但不限于CLI/Skills、知识库等，致力于提高Agent迭代与落地效率；\n5、参与大模型推理框架（如vLLM/XLLM等）在风控场景的适配与优化，探索推理加速、算力治理与成本优化方案。\n1、本科及以上学历，计算机、通信、电子工程、应用数学等相关专业优先，具备扎实的计算机基础；\n2、至少2年机器学习/算法基建或数据平台相关工作经验，有风控、广告、推荐、搜索等机器学习/算法基建或数据平台经验者优先；\n3、热爱计算机科学和互联网技术，精通至少一门开发语言（Go/Java/Python/C++/Rust等），具备良好的工程化能力和线上问题排查能力，有复杂系统设计与性能优化经验者优先；\n4、深入理解数据结构、算法、操作系统、计算机网络等基础知识，对高并发、高可用分布式系统有一定实践和认知；\n5、对AI Agent、智能决策、自动化风控有浓厚兴趣，积极追踪大模型及Agent开源社区进展，了解大模型训练、微调、服务化等基本原理；\n6、有以下任一经验者优先：在特征工程/样本质量闭环建设方面具备系统性实践；深度参与过模型评测平台或评测榜单建设；拥有Agent二次开发或工具链建设经验；熟悉并在生产环境中运用vLLM等大模型推理框架开展性能优化与成本降低工作；对开源社区有过高质量贡献。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T015",
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}