{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI算法工程师（Agentic RL方向）-即梦",
        "job_level": "未披露",AI生成
        "work_category": "全职",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": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责即梦创作Agent的Agentic RL能力建设，探索Agentic RL、Rubrics-based RL、RLHF/RLAIF、Process Reward、Outcome Reward、Unified Reward System等方法，提升模型在长链路创作任务中的规划、工具调用、多轮交互和任务完成能力，以及Agent在复杂任务中的成功率和稳定性；\n2、设计面向图片、视频、多模态编辑等创作场景的强化学习任务、环境、奖励信号和训练范式；\n3、构建多轮Function Call、工具调用轨迹、创作任务偏好、失败恢复样本等训练数据，并与SFT、DPO、GRPO、PPO等后训练方法结合；\n4、结合Agent Harness、Sandbox、自动评测系统，建设可训练、可评估、可回放的Agent RL实验闭环；\n5、分析模型在任务规划、工具选择、执行顺序、上下文利用和异常恢复中的失败模式，推动模型、数据和系统协同优化，跟进Agentic RL、Long-horizon RL、Tool Use Training、多模态强化学习等前沿研究，并推动其在即梦真实创作场景中落地。",
        "requirements_text": "1、本科及以上学历，具备扎实的机器学习、深度学习、强化学习和概率统计基础；\n2、熟悉大模型后训练方法，包括但不限于SFT、RLHF、DPO、PPO、GRPO、RLAIF、Reward Model等；\n3、熟练掌握PyTorch等主流深度学习框架，具备模型训练、数据处理、实验设计和结果分析能力；\n4、了解强化学习中的策略优化、奖励建模、轨迹采样、Credit Assignment、探索与稳定性等基本问题；\n5、对Agentic RL、Tool Use、多轮Function Call、长链路任务规划、多模态模型训练有浓厚兴趣，具备较强的问题抽象能力，能够将创作任务中的业务目标转化为可训练、可评估、可优化的技术目标；\n6、具备良好的工程实现能力和跨团队协作能力，能够与评测、数据和产品团队共同推进训练闭环落地。",
        "skills": [AI生成
            "PyTorch",
            "机器学习",
            "深度学习",
            "强化学习",
            "模型训练",
            "团队协作",
            "分析能力",
            "建模",
            "大语言模型"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7647011079620512053/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7647011079620512053",
        "post_date": "2026-06-03",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7647011079620512053/detail"
    },
    "fulltext": "AI算法工程师（Agentic RL方向）-即梦\n职位描述\n1、负责即梦创作Agent的Agentic RL能力建设，探索Agentic RL、Rubrics-based RL、RLHF/RLAIF、Process Reward、Outcome Reward、Unified Reward System等方法，提升模型在长链路创作任务中的规划、工具调用、多轮交互和任务完成能力，以及Agent在复杂任务中的成功率和稳定性；\n2、设计面向图片、视频、多模态编辑等创作场景的强化学习任务、环境、奖励信号和训练范式；\n3、构建多轮Function Call、工具调用轨迹、创作任务偏好、失败恢复样本等训练数据，并与SFT、DPO、GRPO、PPO等后训练方法结合；\n4、结合Agent Harness、Sandbox、自动评测系统，建设可训练、可评估、可回放的Agent RL实验闭环；\n5、分析模型在任务规划、工具选择、执行顺序、上下文利用和异常恢复中的失败模式，推动模型、数据和系统协同优化，跟进Agentic RL、Long-horizon RL、Tool Use Training、多模态强化学习等前沿研究，并推动其在即梦真实创作场景中落地。\n\n职位要求\n1、本科及以上学历，具备扎实的机器学习、深度学习、强化学习和概率统计基础；\n2、熟悉大模型后训练方法，包括但不限于SFT、RLHF、DPO、PPO、GRPO、RLAIF、Reward Model等；\n3、熟练掌握PyTorch等主流深度学习框架，具备模型训练、数据处理、实验设计和结果分析能力；\n4、了解强化学习中的策略优化、奖励建模、轨迹采样、Credit Assignment、探索与稳定性等基本问题；\n5、对Agentic RL、Tool Use、多轮Function Call、长链路任务规划、多模态模型训练有浓厚兴趣，具备较强的问题抽象能力，能够将创作任务中的业务目标转化为可训练、可评估、可优化的技术目标；\n6、具备良好的工程实现能力和跨团队协作能力，能够与评测、数据和产品团队共同推进训练闭环落地。\n1、负责即梦创作Agent的Agentic RL能力建设，探索Agentic RL、Rubrics-based RL、RLHF/RLAIF、Process Reward、Outcome Reward、Unified Reward System等方法，提升模型在长链路创作任务中的规划、工具调用、多轮交互和任务完成能力，以及Agent在复杂任务中的成功率和稳定性；\n2、设计面向图片、视频、多模态编辑等创作场景的强化学习任务、环境、奖励信号和训练范式；\n3、构建多轮Function Call、工具调用轨迹、创作任务偏好、失败恢复样本等训练数据，并与SFT、DPO、GRPO、PPO等后训练方法结合；\n4、结合Agent Harness、Sandbox、自动评测系统，建设可训练、可评估、可回放的Agent RL实验闭环；\n5、分析模型在任务规划、工具选择、执行顺序、上下文利用和异常恢复中的失败模式，推动模型、数据和系统协同优化，跟进Agentic RL、Long-horizon RL、Tool Use Training、多模态强化学习等前沿研究，并推动其在即梦真实创作场景中落地。\n1、本科及以上学历，具备扎实的机器学习、深度学习、强化学习和概率统计基础；\n2、熟悉大模型后训练方法，包括但不限于SFT、RLHF、DPO、PPO、GRPO、RLAIF、Reward Model等；\n3、熟练掌握PyTorch等主流深度学习框架，具备模型训练、数据处理、实验设计和结果分析能力；\n4、了解强化学习中的策略优化、奖励建模、轨迹采样、Credit Assignment、探索与稳定性等基本问题；\n5、对Agentic RL、Tool Use、多轮Function Call、长链路任务规划、多模态模型训练有浓厚兴趣，具备较强的问题抽象能力，能够将创作任务中的业务目标转化为可训练、可评估、可优化的技术目标；\n6、具备良好的工程实现能力和跨团队协作能力，能够与评测、数据和产品团队共同推进训练闭环落地。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}