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": "大模型算法专家-多模态/代码分析/异常检测",
"job_level": "专家",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": "硕士研究生学历及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责为技术风险领域多模态数据（如时间序列、日志、代码等）场景提供AI技术支持，包括不限于LLM的继续训练（CT）、有监督微调（SFT）和强化学习（RL）等工作，实现模型在垂类领域的深度适配；\n2、负责技术风险智能化领域LLM/Agents的数据工程，构建数据飞轮；\n3、负责解决技术风险领域的痛点问题，如系统架构刻画、变更风险分析、故障根因定位、多模态异常检测等方向的痛点问题；\n4、密切跟进LLM领域最新研究成果，探索落地应用，基于监控、应急、变更、资金安全、高可用等技术风险领域能力构建下一代智能化技术风险能力。",
"requirements_text": "1、硕士研究生学历及以上，计算机、软件工程、人工智能等相关专业；\n2、具备优秀的算法能力，有TensorFlow/PyTorch等深度学习训练框架相关经验，熟悉NLP、CV、RL相关算法技术；\n3、掌握LLM的算法原理、Fine-tuning、Prompt Engineering、向量数据库和LangChain等应用范式；\n4、拥有优秀的分析问题能力和解决问题能力，对解决具有挑战性问题充满激情；\n5、有NLP/CV/ML会发表经验者优先，在垂类领域有丰富的LLM落地经验者优先，在LLM领域主导过有影响力的项目或论文者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"深度学习",
"数据库",
"解决问题"
],
"preferred_qualifications": "5、有NLP/CV/ML会发表经验者优先，在垂类领域有丰富的LLM落地经验者优先，在LLM领域主导过有影响力的项目或论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7387626281683208499/detail"
}
]
},
"posting": {
"posting_id": "7387626281683208499",
"post_date": "2024-07-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7387626281683208499/detail"
},
"fulltext": "大模型算法专家-多模态/代码分析/异常检测\n职位描述\n1、负责为技术风险领域多模态数据（如时间序列、日志、代码等）场景提供AI技术支持，包括不限于LLM的继续训练（CT）、有监督微调（SFT）和强化学习（RL）等工作，实现模型在垂类领域的深度适配；\n2、负责技术风险智能化领域LLM/Agents的数据工程，构建数据飞轮；\n3、负责解决技术风险领域的痛点问题，如系统架构刻画、变更风险分析、故障根因定位、多模态异常检测等方向的痛点问题；\n4、密切跟进LLM领域最新研究成果，探索落地应用，基于监控、应急、变更、资金安全、高可用等技术风险领域能力构建下一代智能化技术风险能力。\n\n职位要求\n1、硕士研究生学历及以上，计算机、软件工程、人工智能等相关专业；\n2、具备优秀的算法能力，有TensorFlow/PyTorch等深度学习训练框架相关经验，熟悉NLP、CV、RL相关算法技术；\n3、掌握LLM的算法原理、Fine-tuning、Prompt Engineering、向量数据库和LangChain等应用范式；\n4、拥有优秀的分析问题能力和解决问题能力，对解决具有挑战性问题充满激情；\n5、有NLP/CV/ML会发表经验者优先，在垂类领域有丰富的LLM落地经验者优先，在LLM领域主导过有影响力的项目或论文者优先。\n1、负责为技术风险领域多模态数据（如时间序列、日志、代码等）场景提供AI技术支持，包括不限于LLM的继续训练（CT）、有监督微调（SFT）和强化学习（RL）等工作，实现模型在垂类领域的深度适配；\n2、负责技术风险智能化领域LLM/Agents的数据工程，构建数据飞轮；\n3、负责解决技术风险领域的痛点问题，如系统架构刻画、变更风险分析、故障根因定位、多模态异常检测等方向的痛点问题；\n4、密切跟进LLM领域最新研究成果，探索落地应用，基于监控、应急、变更、资金安全、高可用等技术风险领域能力构建下一代智能化技术风险能力。\n1、硕士研究生学历及以上，计算机、软件工程、人工智能等相关专业；\n2、具备优秀的算法能力，有TensorFlow/PyTorch等深度学习训练框架相关经验，熟悉NLP、CV、RL相关算法技术；\n3、掌握LLM的算法原理、Fine-tuning、Prompt Engineering、向量数据库和LangChain等应用范式；\n4、拥有优秀的分析问题能力和解决问题能力，对解决具有挑战性问题充满激情；\n5、有NLP/CV/ML会发表经验者优先，在垂类领域有丰富的LLM落地经验者优先，在LLM领域主导过有影响力的项目或论文者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}