主分类：AI训练推理与计算优化
辅助：数据工程与数据平台研发、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": "大模型平台研发工程师（Agentic Infra） - TikTok内容安全平台",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "后端"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": "2027届获得本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：国际化内容安全平台团队致力于为字节跳动国际化产品的用户维护安全可信赖环境，通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件，以人工智能技术支持业务发展，力求更高效、更敏捷、更全能地维护站内生态安全。\n\n1、大模型推理与算力效率：面向千亿级大模型与复杂视觉语言模型（VLM），在千万级吞吐的真实流量下深度定制服务架构，攻坚复杂模型编排、流量调度、动态批处理与异构算力调度，并支撑千卡级离线批量推理的任务调度；在SLA兜底约束下持续逼近饱和吞吐，让同等算力消化更大规模的内容；\n2、大模型研发平台与Agentic Infra：建设贯穿训练、评测、部署与版本管理的一站式平台；面向算法Auto Research建设Agentic能力与工具链；结合训练框架优化大规模强化学习效率，建设支撑Agentic后训练的真实与仿真环境；\n3、多模态数据资产与数据飞轮：为审核模型的持续迭代建设数据底座，基于Spark/Flink/Iceberg/Ray搭建TB~PB级离线与实时流水线，完成送审文本、图像、音视频的清洗、去重、合规处理与资产化；针对违规样本稀缺、风险分布随政策与热点快速漂移的特点，探索数据合成、数据增强与多模态对齐，为新型风险与长尾场景快速冷启动训练集与评测集；打通「线上负面案例挖掘→清洗标注→训练/评测集补充→模型迭代」的数据飞轮；\n4、多模态评测体系与能力诊断：面向违规内容识别、多模态风险检测与多语言场景构建高质量Benchmark与自动化评测框架，支持大规模评测任务的部署、执行与监控。",
"requirements_text": "1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；\n2、热爱计算机科学和技术，精通至少一门编程语言，包括但不仅限于：Java、C、C++、PHP、Python、Go；\n3、掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识；\n4、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n5、有强烈的求知欲，优秀的学习和沟通能力。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PHP",
"数据结构",
"沟通能力",
"分析能力",
"Go"
],
"preferred_qualifications": "1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7669272212160547077/detail"
}
]
},
"posting": {
"posting_id": "7669272212160547077",
"post_date": "2026-08-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7669272212160547077/detail"
},
"fulltext": "大模型平台研发工程师（Agentic Infra） - TikTok内容安全平台\n职位描述\n团队介绍：国际化内容安全平台团队致力于为字节跳动国际化产品的用户维护安全可信赖环境，通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件，以人工智能技术支持业务发展，力求更高效、更敏捷、更全能地维护站内生态安全。\n\n1、大模型推理与算力效率：面向千亿级大模型与复杂视觉语言模型（VLM），在千万级吞吐的真实流量下深度定制服务架构，攻坚复杂模型编排、流量调度、动态批处理与异构算力调度，并支撑千卡级离线批量推理的任务调度；在SLA兜底约束下持续逼近饱和吞吐，让同等算力消化更大规模的内容；\n2、大模型研发平台与Agentic Infra：建设贯穿训练、评测、部署与版本管理的一站式平台；面向算法Auto Research建设Agentic能力与工具链；结合训练框架优化大规模强化学习效率，建设支撑Agentic后训练的真实与仿真环境；\n3、多模态数据资产与数据飞轮：为审核模型的持续迭代建设数据底座，基于Spark/Flink/Iceberg/Ray搭建TB~PB级离线与实时流水线，完成送审文本、图像、音视频的清洗、去重、合规处理与资产化；针对违规样本稀缺、风险分布随政策与热点快速漂移的特点，探索数据合成、数据增强与多模态对齐，为新型风险与长尾场景快速冷启动训练集与评测集；打通「线上负面案例挖掘→清洗标注→训练/评测集补充→模型迭代」的数据飞轮；\n4、多模态评测体系与能力诊断：面向违规内容识别、多模态风险检测与多语言场景构建高质量Benchmark与自动化评测框架，支持大规模评测任务的部署、执行与监控。\n\n职位要求\n1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；\n2、热爱计算机科学和技术，精通至少一门编程语言，包括但不仅限于：Java、C、C++、PHP、Python、Go；\n3、掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识；\n4、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n5、有强烈的求知欲，优秀的学习和沟通能力。\n团队介绍：国际化内容安全平台团队致力于为字节跳动国际化产品的用户维护安全可信赖环境，通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件，以人工智能技术支持业务发展，力求更高效、更敏捷、更全能地维护站内生态安全。\n\n1、大模型推理与算力效率：面向千亿级大模型与复杂视觉语言模型（VLM），在千万级吞吐的真实流量下深度定制服务架构，攻坚复杂模型编排、流量调度、动态批处理与异构算力调度，并支撑千卡级离线批量推理的任务调度；在SLA兜底约束下持续逼近饱和吞吐，让同等算力消化更大规模的内容；\n2、大模型研发平台与Agentic Infra：建设贯穿训练、评测、部署与版本管理的一站式平台；面向算法Auto Research建设Agentic能力与工具链；结合训练框架优化大规模强化学习效率，建设支撑Agentic后训练的真实与仿真环境；\n3、多模态数据资产与数据飞轮：为审核模型的持续迭代建设数据底座，基于Spark/Flink/Iceberg/Ray搭建TB~PB级离线与实时流水线，完成送审文本、图像、音视频的清洗、去重、合规处理与资产化；针对违规样本稀缺、风险分布随政策与热点快速漂移的特点，探索数据合成、数据增强与多模态对齐，为新型风险与长尾场景快速冷启动训练集与评测集；打通「线上负面案例挖掘→清洗标注→训练/评测集补充→模型迭代」的数据飞轮；\n4、多模态评测体系与能力诊断：面向违规内容识别、多模态风险检测与多语言场景构建高质量Benchmark与自动化评测框架，支持大规模评测任务的部署、执行与监控。\n1、2027届获得本科及以上学历，计算机、软件工程等相关专业优先；\n2、热爱计算机科学和技术，精通至少一门编程语言，包括但不仅限于：Java、C、C++、PHP、Python、Go；\n3、掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识；\n4、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n5、有强烈的求知欲，优秀的学习和沟通能力。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T016",
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}