主分类：Agent系统开发
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": "大语言模型研究员（数据智能体） - 数据平台",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海、杭州",
"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": "在火山引擎上，我们提供了营销增长套件，数据中台等相关产品解决方案，为泛互联网、金融、汽车、新零售等行业提供了行业解决方案"
},
"requirements": {
"working_years": "",
"degree": "2027届获得硕士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：数据平台是字节跳动数据中台部门，为公司多业务线（包括抖音、电商、直播和生活服务等）提供一站式大数据解决方案，涵盖数据的生产、清洗、传输、建模、分析等全流程链路，提供数据开发、实验评估、画像标签、增强分析等多元场景解决能力。同时，数据平台部门也致力于把字节跳动积累沉淀的数据中台解决方案做商业化输出，让更多行业能够应用我们的产品能力构建自己的数据中台。在火山引擎上，我们提供了营销增长套件，数据中台等相关产品解决方案，为泛互联网、金融、汽车、新零售等行业提供了行业解决方案。\n\n1、大语言模型（LLM）驱动的智能Agent在各类任务中展现出强大的推理与交互能力，已成为AI领域的前沿热点；然而，现有大多数Agent设计隐含地基于“确定性假设”，即默认输入信息完全可靠、任务目标明确；这在现实场景中往往并不成立——数据不完整、外部工具执行失败、用户意图随时间演变，使Agent产生误导性甚至错误的结论；面对“信息不确定性”这一核心挑战：课题一方面聚焦知识冲突与推理鲁棒性，另一方面聚焦SQL逻辑依赖与演进维护；\n2、鲁棒Agent推理问题：检索增强生成（RAG）是获取外部知识主流机制，但存在知识冲突问题，当前LLM面对噪声检索表现仍有提升空间；\n3、演进式SQL任务开发与维护问题：企业级数据治理中，SQL脚本面临底层数仓Schema变更和业务统计口径演进问题，传统方法无法提供深层语义偏差指导，现有模型在超100行存量SQL维护任务成功率较低；\n4、鲁棒Agent推理技术路线：基于POMDP的决策规划，维护信念状态并计算最优行动策略；多策略协同，认知不确定性超阈值时切换并发探索模式；自适应响应，依据信念状态残余不确定性决定输出；\n5、演进式SQL任务开发与维护技术路线：SynSQL-Evolution数据工程，构建百万级合成语料；GRPO强化学习框架，设计复合奖励函数；计划驱动推理范式，输出“逻辑变更清单”；依赖感知Agent协同，结合拓扑规划器处理长序列需求并构建实时纠错循环。",
"requirements_text": "1、2027届获得硕士学位，人工智能等相关专业优先（如计算机科学、数学、电子工程等）；\n2、熟练使用Python、PyTorch等语言和代码库，熟悉大模型领域尤其是强化学习相关研究工作和算法，有大模型强化学习的研发基础，拥有高影响力会议论文（ICLR、NeurIPS、ICML等）、知名竞赛获奖经验者优先；\n3、具备优秀的学术视野与判断力，拥有出色的问题提出、分析及解决能力，良好的团队协作精神和沟通意识。",
"skills": [AI生成
"Python",
"PyTorch",
"强化学习",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "1、2027届获得硕士学位，人工智能等相关专业优先（如计算机科学、数学、电子工程等）；2、熟练使用Python、PyTorch等语言和代码库，熟悉大模型领域尤其是强化学习相关研究工作和算法，有大模型强化学习的研发基础，拥有高影响力会议论文（ICLR、NeurIPS、ICML等）、知名竞赛获奖经验者优先",
"job_highlights": "在火山引擎上，我们提供了营销增长套件，数据中台等相关产品解决方案，为泛互联网、金融、汽车、新零售等行业提供了行业解决方案"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7667469859947366661/detail"
}
]
},
"posting": {
"posting_id": "7667469859947366661",
"post_date": "2026-07-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7667469859947366661/detail"
},
"fulltext": "大语言模型研究员（数据智能体） - 数据平台\n职位描述\n团队介绍：数据平台是字节跳动数据中台部门，为公司多业务线（包括抖音、电商、直播和生活服务等）提供一站式大数据解决方案，涵盖数据的生产、清洗、传输、建模、分析等全流程链路，提供数据开发、实验评估、画像标签、增强分析等多元场景解决能力。同时，数据平台部门也致力于把字节跳动积累沉淀的数据中台解决方案做商业化输出，让更多行业能够应用我们的产品能力构建自己的数据中台。在火山引擎上，我们提供了营销增长套件，数据中台等相关产品解决方案，为泛互联网、金融、汽车、新零售等行业提供了行业解决方案。\n\n1、大语言模型（LLM）驱动的智能Agent在各类任务中展现出强大的推理与交互能力，已成为AI领域的前沿热点；然而，现有大多数Agent设计隐含地基于“确定性假设”，即默认输入信息完全可靠、任务目标明确；这在现实场景中往往并不成立——数据不完整、外部工具执行失败、用户意图随时间演变，使Agent产生误导性甚至错误的结论；面对“信息不确定性”这一核心挑战：课题一方面聚焦知识冲突与推理鲁棒性，另一方面聚焦SQL逻辑依赖与演进维护；\n2、鲁棒Agent推理问题：检索增强生成（RAG）是获取外部知识主流机制，但存在知识冲突问题，当前LLM面对噪声检索表现仍有提升空间；\n3、演进式SQL任务开发与维护问题：企业级数据治理中，SQL脚本面临底层数仓Schema变更和业务统计口径演进问题，传统方法无法提供深层语义偏差指导，现有模型在超100行存量SQL维护任务成功率较低；\n4、鲁棒Agent推理技术路线：基于POMDP的决策规划，维护信念状态并计算最优行动策略；多策略协同，认知不确定性超阈值时切换并发探索模式；自适应响应，依据信念状态残余不确定性决定输出；\n5、演进式SQL任务开发与维护技术路线：SynSQL-Evolution数据工程，构建百万级合成语料；GRPO强化学习框架，设计复合奖励函数；计划驱动推理范式，输出“逻辑变更清单”；依赖感知Agent协同，结合拓扑规划器处理长序列需求并构建实时纠错循环。\n\n职位要求\n1、2027届获得硕士学位，人工智能等相关专业优先（如计算机科学、数学、电子工程等）；\n2、熟练使用Python、PyTorch等语言和代码库，熟悉大模型领域尤其是强化学习相关研究工作和算法，有大模型强化学习的研发基础，拥有高影响力会议论文（ICLR、NeurIPS、ICML等）、知名竞赛获奖经验者优先；\n3、具备优秀的学术视野与判断力，拥有出色的问题提出、分析及解决能力，良好的团队协作精神和沟通意识。\n团队介绍：数据平台是字节跳动数据中台部门，为公司多业务线（包括抖音、电商、直播和生活服务等）提供一站式大数据解决方案，涵盖数据的生产、清洗、传输、建模、分析等全流程链路，提供数据开发、实验评估、画像标签、增强分析等多元场景解决能力。同时，数据平台部门也致力于把字节跳动积累沉淀的数据中台解决方案做商业化输出，让更多行业能够应用我们的产品能力构建自己的数据中台。在火山引擎上，我们提供了营销增长套件，数据中台等相关产品解决方案，为泛互联网、金融、汽车、新零售等行业提供了行业解决方案。\n\n1、大语言模型（LLM）驱动的智能Agent在各类任务中展现出强大的推理与交互能力，已成为AI领域的前沿热点；然而，现有大多数Agent设计隐含地基于“确定性假设”，即默认输入信息完全可靠、任务目标明确；这在现实场景中往往并不成立——数据不完整、外部工具执行失败、用户意图随时间演变，使Agent产生误导性甚至错误的结论；面对“信息不确定性”这一核心挑战：课题一方面聚焦知识冲突与推理鲁棒性，另一方面聚焦SQL逻辑依赖与演进维护；\n2、鲁棒Agent推理问题：检索增强生成（RAG）是获取外部知识主流机制，但存在知识冲突问题，当前LLM面对噪声检索表现仍有提升空间；\n3、演进式SQL任务开发与维护问题：企业级数据治理中，SQL脚本面临底层数仓Schema变更和业务统计口径演进问题，传统方法无法提供深层语义偏差指导，现有模型在超100行存量SQL维护任务成功率较低；\n4、鲁棒Agent推理技术路线：基于POMDP的决策规划，维护信念状态并计算最优行动策略；多策略协同，认知不确定性超阈值时切换并发探索模式；自适应响应，依据信念状态残余不确定性决定输出；\n5、演进式SQL任务开发与维护技术路线：SynSQL-Evolution数据工程，构建百万级合成语料；GRPO强化学习框架，设计复合奖励函数；计划驱动推理范式，输出“逻辑变更清单”；依赖感知Agent协同，结合拓扑规划器处理长序列需求并构建实时纠错循环。\n1、2027届获得硕士学位，人工智能等相关专业优先（如计算机科学、数学、电子工程等）；\n2、熟练使用Python、PyTorch等语言和代码库，熟悉大模型领域尤其是强化学习相关研究工作和算法，有大模型强化学习的研发基础，拥有高影响力会议论文（ICLR、NeurIPS、ICML等）、知名竞赛获奖经验者优先；\n3、具备优秀的学术视野与判断力，拥有出色的问题提出、分析及解决能力，良好的团队协作精神和沟通意识。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}