主分类：数据工程与数据平台研发
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": "多模态数据工程师-Seed",
"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": "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：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed团队在AI领域拥有长期愿景与决心，团队研究方向涵盖MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE等超过50个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包App用户量在中国市场排名第一，豆包大模型日均Token调用量行业领先。\n\n1、负责千亿级别海量多模态数据全生命周期管理，覆盖视频、图像等数据的存储架构设计、分布式处理、全链路安全管控、自动化数据校验与质量治理；深度结合OCR、ASR、视频语义切分技术，优化多模态数据清洗、结构化、标注流程，保障数据合规性与高可用性；\n2、负责多模态数据链路基建的全栈研发，追求极致的处理性能与执行效率，基于Transformer、CNN架构特性优化数据处理链路的推理加速方案，打造高并发、低延迟、高可用的分布式多模态数据处理引擎，支撑百万QPS级别的数据处理能力，兼顾工程稳定性与算法执行效率；\n3、负责大规模多模态数据的分析洞察与可视化体系建设，深度挖掘数据分布、数据质量、数据特征对模型预训练、SFT微调效果的关联影响，搭建可解释的数据洞察平台，为模型训练策略优化、效果迭代提供核心数据依据；\n4、与算法、模型训练团队深度协同，端到端打造数据-训练-评测-优化的全链路闭环；深度适配LLM/VLM的SFT监督微调全流程需求，加速高质量训练数据的生产与筛选，支撑模型效果评测与数据迭代，落地企业级大模型数据相关部署方案；\n5、负责多模态数据能力的产品化封装，搭建易用的数据分析、算法推理与可视化工具，降低团队内数据获取与使用门槛，最大化多模态数据在大模型迭代中的核心价值。",
"requirements_text": "1、熟练掌握Python、Golang中至少一种主流编程语言，具备高并发、异步编程实战经验，有百万级QPS数据链路研发与调优经验者优先。经历、面试优秀者能适当放宽就业经验要求；\n2、精通Hive、ClickHouse、MySQL、MongoDB、ElasticSearch等数据湖/数据仓库技术，深入理解底层实现原理，具备优秀的数据抽象、建模与分布式架构设计能力；\n3、熟练掌握Hadoop、Spark、Flink、Ray等大数据处理框架，有千亿级分布式数据处理系统的研发、运维与性能优化经验。\n\n加分项：\n1、具备扎实的深度学习理论基础，精通Transformer、CNN等主流模型架构，熟悉LLM、VLM的技术原理、训练范式与落地全流程；\n2、熟练掌握LLM/VLM的SFT监督微调核心方法论，有相关技术的企业级落地与部署经验者优先；\n3、熟悉大模型推理加速核心技术与实现方案，有相关产业界规模化落地经验、或顶会/顶刊相关学术成果者优先；\n4、熟悉视频语义切分、OCR、ASR技术原理与落地应用，有多模态内容理解相关实战经验；\n5、有通用大模型训练数据全链路建设、多模态数据治理相关完整项目经验。",
"skills": [AI生成
"Python",
"Golang",
"MySQL",
"MongoDB",
"ClickHouse",
"Spark",
"Hadoop",
"Flink",
"Elasticsearch",
"深度学习",
"数据治理",
"模型训练",
"性能优化",
"架构设计",
"建模",
"大语言模型"
],
"preferred_qualifications": "1、熟练掌握Python、Golang中至少一种主流编程语言，具备高并发、异步编程实战经验，有百万级QPS数据链路研发与调优经验者优先；加分项：；2、熟练掌握LLM/VLM的SFT监督微调核心方法论，有相关技术的企业级落地与部署经验者优先；3、熟悉大模型推理加速核心技术与实现方案，有相关产业界规模化落地经验、或顶会/顶刊相关学术成果者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7377590811393739059/detail"
}
]
},
"posting": {
"posting_id": "7377590811393739059",
"post_date": "2024-06-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7377590811393739059/detail"
},
"fulltext": "多模态数据工程师-Seed\n职位描述\n团队介绍：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed团队在AI领域拥有长期愿景与决心，团队研究方向涵盖MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE等超过50个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包App用户量在中国市场排名第一，豆包大模型日均Token调用量行业领先。\n\n1、负责千亿级别海量多模态数据全生命周期管理，覆盖视频、图像等数据的存储架构设计、分布式处理、全链路安全管控、自动化数据校验与质量治理；深度结合OCR、ASR、视频语义切分技术，优化多模态数据清洗、结构化、标注流程，保障数据合规性与高可用性；\n2、负责多模态数据链路基建的全栈研发，追求极致的处理性能与执行效率，基于Transformer、CNN架构特性优化数据处理链路的推理加速方案，打造高并发、低延迟、高可用的分布式多模态数据处理引擎，支撑百万QPS级别的数据处理能力，兼顾工程稳定性与算法执行效率；\n3、负责大规模多模态数据的分析洞察与可视化体系建设，深度挖掘数据分布、数据质量、数据特征对模型预训练、SFT微调效果的关联影响，搭建可解释的数据洞察平台，为模型训练策略优化、效果迭代提供核心数据依据；\n4、与算法、模型训练团队深度协同，端到端打造数据-训练-评测-优化的全链路闭环；深度适配LLM/VLM的SFT监督微调全流程需求，加速高质量训练数据的生产与筛选，支撑模型效果评测与数据迭代，落地企业级大模型数据相关部署方案；\n5、负责多模态数据能力的产品化封装，搭建易用的数据分析、算法推理与可视化工具，降低团队内数据获取与使用门槛，最大化多模态数据在大模型迭代中的核心价值。\n\n职位要求\n1、熟练掌握Python、Golang中至少一种主流编程语言，具备高并发、异步编程实战经验，有百万级QPS数据链路研发与调优经验者优先。经历、面试优秀者能适当放宽就业经验要求；\n2、精通Hive、ClickHouse、MySQL、MongoDB、ElasticSearch等数据湖/数据仓库技术，深入理解底层实现原理，具备优秀的数据抽象、建模与分布式架构设计能力；\n3、熟练掌握Hadoop、Spark、Flink、Ray等大数据处理框架，有千亿级分布式数据处理系统的研发、运维与性能优化经验。\n\n加分项：\n1、具备扎实的深度学习理论基础，精通Transformer、CNN等主流模型架构，熟悉LLM、VLM的技术原理、训练范式与落地全流程；\n2、熟练掌握LLM/VLM的SFT监督微调核心方法论，有相关技术的企业级落地与部署经验者优先；\n3、熟悉大模型推理加速核心技术与实现方案，有相关产业界规模化落地经验、或顶会/顶刊相关学术成果者优先；\n4、熟悉视频语义切分、OCR、ASR技术原理与落地应用，有多模态内容理解相关实战经验；\n5、有通用大模型训练数据全链路建设、多模态数据治理相关完整项目经验。\n团队介绍：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed团队在AI领域拥有长期愿景与决心，团队研究方向涵盖MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE等超过50个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包App用户量在中国市场排名第一，豆包大模型日均Token调用量行业领先。\n\n1、负责千亿级别海量多模态数据全生命周期管理，覆盖视频、图像等数据的存储架构设计、分布式处理、全链路安全管控、自动化数据校验与质量治理；深度结合OCR、ASR、视频语义切分技术，优化多模态数据清洗、结构化、标注流程，保障数据合规性与高可用性；\n2、负责多模态数据链路基建的全栈研发，追求极致的处理性能与执行效率，基于Transformer、CNN架构特性优化数据处理链路的推理加速方案，打造高并发、低延迟、高可用的分布式多模态数据处理引擎，支撑百万QPS级别的数据处理能力，兼顾工程稳定性与算法执行效率；\n3、负责大规模多模态数据的分析洞察与可视化体系建设，深度挖掘数据分布、数据质量、数据特征对模型预训练、SFT微调效果的关联影响，搭建可解释的数据洞察平台，为模型训练策略优化、效果迭代提供核心数据依据；\n4、与算法、模型训练团队深度协同，端到端打造数据-训练-评测-优化的全链路闭环；深度适配LLM/VLM的SFT监督微调全流程需求，加速高质量训练数据的生产与筛选，支撑模型效果评测与数据迭代，落地企业级大模型数据相关部署方案；\n5、负责多模态数据能力的产品化封装，搭建易用的数据分析、算法推理与可视化工具，降低团队内数据获取与使用门槛，最大化多模态数据在大模型迭代中的核心价值。\n1、熟练掌握Python、Golang中至少一种主流编程语言，具备高并发、异步编程实战经验，有百万级QPS数据链路研发与调优经验者优先。经历、面试优秀者能适当放宽就业经验要求；\n2、精通Hive、ClickHouse、MySQL、MongoDB、ElasticSearch等数据湖/数据仓库技术，深入理解底层实现原理，具备优秀的数据抽象、建模与分布式架构设计能力；\n3、熟练掌握Hadoop、Spark、Flink、Ray等大数据处理框架，有千亿级分布式数据处理系统的研发、运维与性能优化经验。\n\n加分项：\n1、具备扎实的深度学习理论基础，精通Transformer、CNN等主流模型架构，熟悉LLM、VLM的技术原理、训练范式与落地全流程；\n2、熟练掌握LLM/VLM的SFT监督微调核心方法论，有相关技术的企业级落地与部署经验者优先；\n3、熟悉大模型推理加速核心技术与实现方案，有相关产业界规模化落地经验、或顶会/顶刊相关学术成果者优先；\n4、熟悉视频语义切分、OCR、ASR技术原理与落地应用，有多模态内容理解相关实战经验；\n5、有通用大模型训练数据全链路建设、多模态数据治理相关完整项目经验。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}