主分类：大模型与生成式算法研发
辅助：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": "智能客服大模型算法工程师-商业信任与安全",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、客服系统架构：负责智能客服对话系统的核心算法研发与优化，包括但不限于智能体协作模式、多层级记忆管理、动态上下文工程等；\n2、大模型训练：构建端到端的模型训练与对齐体系（SFT/RLHF），并打造高效流转的高质量数据闭环（Data Pipeline），驱动模型能力持续进化。探索多智能体协同中的强化学习范式，提高模型质量和适应性；\n3、自动化评测：主导或参与构建覆盖全链路的自动化评测与质检体系，为模型训练与策略优化提供闭环反馈。",
"requirements_text": "1、具有优秀的代码能力和基础算法功底，熟练使用TensorFlow/PyTorch等机器学习框架和工程框架；\n2、在大模型训练、智能体等领域有实际的开发和从业经验者优先；\n3、具有扎实的机器学习基础，对传统NLP技术、GPT类技术有深入的理解，数理功底扎实，自学能力强；\n4、具备独立分析问题、抽象问题和解决问题的能力，能深入解决大模型落地过程中存在的难题；\n5、具备良好的沟通能力与跨团队协作能力，能够与产品、运营、工程等不同背景的同学高效协作，共同推进项目落地；\n6、主导过大模型领域的大影响力项目或论文者优先，包括但不限于ACL、EMNLP、COLING、WWW、AAAI等。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"模型训练",
"团队协作",
"沟通能力",
"解决问题",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "2、在大模型训练、智能体等领域有实际的开发和从业经验者优先；6、主导过大模型领域的大影响力项目或论文者优先，包括但不限于ACL、EMNLP、COLING、WWW、AAAI等",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7347585411017951515/detail"
}
]
},
"posting": {
"posting_id": "7347585411017951515",
"post_date": "2024-03-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7347585411017951515/detail"
},
"fulltext": "智能客服大模型算法工程师-商业信任与安全\n职位描述\n1、客服系统架构：负责智能客服对话系统的核心算法研发与优化，包括但不限于智能体协作模式、多层级记忆管理、动态上下文工程等；\n2、大模型训练：构建端到端的模型训练与对齐体系（SFT/RLHF），并打造高效流转的高质量数据闭环（Data Pipeline），驱动模型能力持续进化。探索多智能体协同中的强化学习范式，提高模型质量和适应性；\n3、自动化评测：主导或参与构建覆盖全链路的自动化评测与质检体系，为模型训练与策略优化提供闭环反馈。\n\n职位要求\n1、具有优秀的代码能力和基础算法功底，熟练使用TensorFlow/PyTorch等机器学习框架和工程框架；\n2、在大模型训练、智能体等领域有实际的开发和从业经验者优先；\n3、具有扎实的机器学习基础，对传统NLP技术、GPT类技术有深入的理解，数理功底扎实，自学能力强；\n4、具备独立分析问题、抽象问题和解决问题的能力，能深入解决大模型落地过程中存在的难题；\n5、具备良好的沟通能力与跨团队协作能力，能够与产品、运营、工程等不同背景的同学高效协作，共同推进项目落地；\n6、主导过大模型领域的大影响力项目或论文者优先，包括但不限于ACL、EMNLP、COLING、WWW、AAAI等。\n1、客服系统架构：负责智能客服对话系统的核心算法研发与优化，包括但不限于智能体协作模式、多层级记忆管理、动态上下文工程等；\n2、大模型训练：构建端到端的模型训练与对齐体系（SFT/RLHF），并打造高效流转的高质量数据闭环（Data Pipeline），驱动模型能力持续进化。探索多智能体协同中的强化学习范式，提高模型质量和适应性；\n3、自动化评测：主导或参与构建覆盖全链路的自动化评测与质检体系，为模型训练与策略优化提供闭环反馈。\n1、具有优秀的代码能力和基础算法功底，熟练使用TensorFlow/PyTorch等机器学习框架和工程框架；\n2、在大模型训练、智能体等领域有实际的开发和从业经验者优先；\n3、具有扎实的机器学习基础，对传统NLP技术、GPT类技术有深入的理解，数理功底扎实，自学能力强；\n4、具备独立分析问题、抽象问题和解决问题的能力，能深入解决大模型落地过程中存在的难题；\n5、具备良好的沟通能力与跨团队协作能力，能够与产品、运营、工程等不同背景的同学高效协作，共同推进项目落地；\n6、主导过大模型领域的大影响力项目或论文者优先，包括但不限于ACL、EMNLP、COLING、WWW、AAAI等。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}