主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（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": "抖音风控基座模型算法工程师（LLM & Agentic AI方向）-Data",
"job_level": "未披露",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": "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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：风控算法团队深耕于抖音（短视频、直播、电商、本地生活等）、今日头条等多个字节系业务，涵盖内容、交易、流量、账号等多个场景的底线风险治理、黑灰产对抗及复杂反作弊等关键任务。风控场景具有对抗性极强、逻辑推理链路长及海量多模态数据等挑战。目前，团队正积极推进大语言模型（LLM/MLLM）与 Agentic AI 技术的深入研究与工业化落地。通过探索前沿的模型训练范式、自主规划的 Agent 架构以及严谨的 Harness Engineering 体系，我们致力于打造下一代智能风控基础设施，为十亿级用户的社区生态保驾护航。\n\n1、风控大模型建设：主导风控领域LLM、MLLM、及风险知识图谱等的研发、落地与优化，突破传统风控策略与模型的局限，增强风控强对抗场景下的风险内容感知、理解及识别能力；\n2、风控Agent研发：负责风控自主对抗Agent的方案设计、工程化落地，实现风险发现、研判、处置、复盘的全链路智能化升级，提升风控对抗时效，降低运营成本；\n3、技术影响力建设：持续跟踪LLM、MLLM、Agent等前沿技术趋势，结合风控业务场景完成技术创新与优化落地；主导技术成果沉淀、对外合作及技术交流，打造团队在风控AI领域的行业影响力。",
"requirements_text": "以下满足其一即可\n1、大模型训练方向：深度参与过大模型的Pre-training/CPT/SFT/RLHF/RL等训练环节，有大规模分布式训练与推理加速经验；有多模态大模型（MLLM）经验者优先；\n2、Agent系统方向：主导或深度参与过Agent系统的架构设计与落地，熟悉Tool Use、Planning、Memory、Multi-Agent协同等能力，有工业级Agent系统上线经验者优先；\n3、结构化数据+LLM方向：有Graph-LLM、行为序列建模、图神经网络（GNN）相关落地经验，熟悉大模型与结构化数据融合的前沿方案；\n4、评估与工程体系方向：有构建Benchmark评估体系、模型Harness Engineering、大规模模型服务部署经验，能推动模型能力的规模化验证。\n\n加分项\n1、有内容安全、反作弊、风控等对抗性业务场景的实战经验，理解风控业务的对抗性、复杂性；\n2、在NeurIPS/ICML/ICLR/ACL/CVPR等顶会发表过相关论文，或在业界有开源项目/技术影响力；\n3、具备跨团队协作与技术攻坚能力，敢于挑战现有技术范式，对新技术保持敏锐的判断力。",
"skills": [AI生成
"模型训练",
"架构设计",
"团队协作",
"建模",
"大语言模型"
],
"preferred_qualifications": "有多模态大模型（MLLM）经验者优先；2、Agent系统方向：主导或深度参与过Agent系统的架构设计与落地，熟悉Tool Use、Planning、Memory、Multi-Agent协同等能力，有工业级Agent系统上线经验者优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7658298540355193141/detail"
}
]
},
"posting": {
"posting_id": "7658298540355193141",
"post_date": "2026-07-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7658298540355193141/detail"
},
"fulltext": "抖音风控基座模型算法工程师（LLM & Agentic AI方向）-Data\n职位描述\n团队介绍：风控算法团队深耕于抖音（短视频、直播、电商、本地生活等）、今日头条等多个字节系业务，涵盖内容、交易、流量、账号等多个场景的底线风险治理、黑灰产对抗及复杂反作弊等关键任务。风控场景具有对抗性极强、逻辑推理链路长及海量多模态数据等挑战。目前，团队正积极推进大语言模型（LLM/MLLM）与 Agentic AI 技术的深入研究与工业化落地。通过探索前沿的模型训练范式、自主规划的 Agent 架构以及严谨的 Harness Engineering 体系，我们致力于打造下一代智能风控基础设施，为十亿级用户的社区生态保驾护航。\n\n1、风控大模型建设：主导风控领域LLM、MLLM、及风险知识图谱等的研发、落地与优化，突破传统风控策略与模型的局限，增强风控强对抗场景下的风险内容感知、理解及识别能力；\n2、风控Agent研发：负责风控自主对抗Agent的方案设计、工程化落地，实现风险发现、研判、处置、复盘的全链路智能化升级，提升风控对抗时效，降低运营成本；\n3、技术影响力建设：持续跟踪LLM、MLLM、Agent等前沿技术趋势，结合风控业务场景完成技术创新与优化落地；主导技术成果沉淀、对外合作及技术交流，打造团队在风控AI领域的行业影响力。\n\n职位要求\n以下满足其一即可\n1、大模型训练方向：深度参与过大模型的Pre-training/CPT/SFT/RLHF/RL等训练环节，有大规模分布式训练与推理加速经验；有多模态大模型（MLLM）经验者优先；\n2、Agent系统方向：主导或深度参与过Agent系统的架构设计与落地，熟悉Tool Use、Planning、Memory、Multi-Agent协同等能力，有工业级Agent系统上线经验者优先；\n3、结构化数据+LLM方向：有Graph-LLM、行为序列建模、图神经网络（GNN）相关落地经验，熟悉大模型与结构化数据融合的前沿方案；\n4、评估与工程体系方向：有构建Benchmark评估体系、模型Harness Engineering、大规模模型服务部署经验，能推动模型能力的规模化验证。\n\n加分项\n1、有内容安全、反作弊、风控等对抗性业务场景的实战经验，理解风控业务的对抗性、复杂性；\n2、在NeurIPS/ICML/ICLR/ACL/CVPR等顶会发表过相关论文，或在业界有开源项目/技术影响力；\n3、具备跨团队协作与技术攻坚能力，敢于挑战现有技术范式，对新技术保持敏锐的判断力。\n团队介绍：风控算法团队深耕于抖音（短视频、直播、电商、本地生活等）、今日头条等多个字节系业务，涵盖内容、交易、流量、账号等多个场景的底线风险治理、黑灰产对抗及复杂反作弊等关键任务。风控场景具有对抗性极强、逻辑推理链路长及海量多模态数据等挑战。目前，团队正积极推进大语言模型（LLM/MLLM）与 Agentic AI 技术的深入研究与工业化落地。通过探索前沿的模型训练范式、自主规划的 Agent 架构以及严谨的 Harness Engineering 体系，我们致力于打造下一代智能风控基础设施，为十亿级用户的社区生态保驾护航。\n\n1、风控大模型建设：主导风控领域LLM、MLLM、及风险知识图谱等的研发、落地与优化，突破传统风控策略与模型的局限，增强风控强对抗场景下的风险内容感知、理解及识别能力；\n2、风控Agent研发：负责风控自主对抗Agent的方案设计、工程化落地，实现风险发现、研判、处置、复盘的全链路智能化升级，提升风控对抗时效，降低运营成本；\n3、技术影响力建设：持续跟踪LLM、MLLM、Agent等前沿技术趋势，结合风控业务场景完成技术创新与优化落地；主导技术成果沉淀、对外合作及技术交流，打造团队在风控AI领域的行业影响力。\n以下满足其一即可\n1、大模型训练方向：深度参与过大模型的Pre-training/CPT/SFT/RLHF/RL等训练环节，有大规模分布式训练与推理加速经验；有多模态大模型（MLLM）经验者优先；\n2、Agent系统方向：主导或深度参与过Agent系统的架构设计与落地，熟悉Tool Use、Planning、Memory、Multi-Agent协同等能力，有工业级Agent系统上线经验者优先；\n3、结构化数据+LLM方向：有Graph-LLM、行为序列建模、图神经网络（GNN）相关落地经验，熟悉大模型与结构化数据融合的前沿方案；\n4、评估与工程体系方向：有构建Benchmark评估体系、模型Harness Engineering、大规模模型服务部署经验，能推动模型能力的规模化验证。\n\n加分项\n1、有内容安全、反作弊、风控等对抗性业务场景的实战经验，理解风控业务的对抗性、复杂性；\n2、在NeurIPS/ICML/ICLR/ACL/CVPR等顶会发表过相关论文，或在业界有开源项目/技术影响力；\n3、具备跨团队协作与技术攻坚能力，敢于挑战现有技术范式，对新技术保持敏锐的判断力。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}