主分类：大模型与生成式算法研发
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": "多模态算法工程师（生成模型方向） - TikTok研发",
"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": "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": "2027届获得硕士及以上学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 \n在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。\n\n1、参与新一代文生图/文生视频模型的架构设计与深度优化；\n2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；\n3、参与或主导以下方向的设计与实现：\n1）Diffusion Transformer（DiT/MM-DiT）架构改进；\n2）文生图/文生视频统一模型设计；\n3）Latent space/Tokenization/Conditioning机制优化；\n4、对模型进行系统级与算法级联合优化：\n1）包括训练稳定性、收敛速度；\n2）显存/算力效率；\n3）生成质量与一致性；\n5、针对长序列、高分辨率、视频等场景：\n1）设计高效Attention/Temporal modeling方案；\n2）处理Long-context/Long-latent问题；\n6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。",
"requirements_text": "1、2027届获得硕士及以上学位，人工智能、计算机、软件、数学等相关专业优先；\n2、深入理解：Diffusion/Flow Matching/Rectified Flow；\n3、熟悉DiT/Transformer在生成模型中的用法；\n4、能从公式、代码、训练、生成结果全链路Debug；\n5、熟练使用PyTorch，具备训练大模型的工程能力。\n\n加分项：\n1、有文生图/文生视频模型实战经验（非Toy）；\n2、熟悉多模态建模（Text/Lmage/Video/Audio）；\n3、有论文或开源项目。",
"skills": [AI生成
"PyTorch",
"建模",
"大语言模型"
],
"preferred_qualifications": "1、2027届获得硕士及以上学位，人工智能、计算机、软件、数学等相关专业优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7669997983338612997/detail"
}
]
},
"posting": {
"posting_id": "7669997983338612997",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7669997983338612997/detail"
},
"fulltext": "多模态算法工程师（生成模型方向） - TikTok研发\n职位描述\n团队介绍：TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 \n在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。\n\n1、参与新一代文生图/文生视频模型的架构设计与深度优化；\n2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；\n3、参与或主导以下方向的设计与实现：\n1）Diffusion Transformer（DiT/MM-DiT）架构改进；\n2）文生图/文生视频统一模型设计；\n3）Latent space/Tokenization/Conditioning机制优化；\n4、对模型进行系统级与算法级联合优化：\n1）包括训练稳定性、收敛速度；\n2）显存/算力效率；\n3）生成质量与一致性；\n5、针对长序列、高分辨率、视频等场景：\n1）设计高效Attention/Temporal modeling方案；\n2）处理Long-context/Long-latent问题；\n6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。\n\n职位要求\n1、2027届获得硕士及以上学位，人工智能、计算机、软件、数学等相关专业优先；\n2、深入理解：Diffusion/Flow Matching/Rectified Flow；\n3、熟悉DiT/Transformer在生成模型中的用法；\n4、能从公式、代码、训练、生成结果全链路Debug；\n5、熟练使用PyTorch，具备训练大模型的工程能力。\n\n加分项：\n1、有文生图/文生视频模型实战经验（非Toy）；\n2、熟悉多模态建模（Text/Lmage/Video/Audio）；\n3、有论文或开源项目。\n团队介绍：TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 \n在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。\n\n1、参与新一代文生图/文生视频模型的架构设计与深度优化；\n2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；\n3、参与或主导以下方向的设计与实现：\n1）Diffusion Transformer（DiT/MM-DiT）架构改进；\n2）文生图/文生视频统一模型设计；\n3）Latent space/Tokenization/Conditioning机制优化；\n4、对模型进行系统级与算法级联合优化：\n1）包括训练稳定性、收敛速度；\n2）显存/算力效率；\n3）生成质量与一致性；\n5、针对长序列、高分辨率、视频等场景：\n1）设计高效Attention/Temporal modeling方案；\n2）处理Long-context/Long-latent问题；\n6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。\n1、2027届获得硕士及以上学位，人工智能、计算机、软件、数学等相关专业优先；\n2、深入理解：Diffusion/Flow Matching/Rectified Flow；\n3、熟悉DiT/Transformer在生成模型中的用法；\n4、能从公式、代码、训练、生成结果全链路Debug；\n5、熟练使用PyTorch，具备训练大模型的工程能力。\n\n加分项：\n1、有文生图/文生视频模型实战经验（非Toy）；\n2、熟悉多模态建模（Text/Lmage/Video/Audio）；\n3、有论文或开源项目。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}