职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7411075327991515418

异构芯片性能优化实习生-Seed

未披露 · 杭州 · 字节跳动

主分类:AI训练推理与计算优化
软件开发与 IT
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": "异构芯片性能优化实习生-Seed",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "机器学习"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": "本科及以上学历在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\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、为芯片存算功能开发底层软件并进行验证和持续优化;\n2、针对芯片的计算特点,进行算法-芯片协同设计优化,实现优于GPU的性价比;\n3、针对存算芯片,AI芯片等专用芯片进行大模型的分离部署的方案分析,提出业界领先方案。",
        "requirements_text": "1、本科及以上学历在读,计算机、软件工程、集成电路等相关专业优先;\n2、熟悉量化、稀疏算法,了解GPTQ、Quest、KiVi等量化稀疏方案;\n3、熟悉芯片计算架构,如TPU架构、GPU架构等架构,可进行理论分析和性能评估;\n4、熟悉DRAM、HBM的存储原理,了解存算的计算范式;\n5、熟悉C/C++、Python语言。\n\n加分项:\n1、有FPGA开发经验或者芯片SDK开发和部署经验;\n2、有NPU/APU算子开发经验;\n3、有DRAM/HBM存储/Process-in-memory/Computing-in-memory等研究经验。",
        "skills": [AI生成
            "Python",
            "C++",
            "FPGA"
        ],
        "preferred_qualifications": "1、本科及以上学历在读,计算机、软件工程、集成电路等相关专业优先;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/7411075327991515418/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7411075327991515418",
        "post_date": "2024-09-05",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7411075327991515418/detail"
    },
    "fulltext": "异构芯片性能优化实习生-Seed\n职位描述\n日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\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、为芯片存算功能开发底层软件并进行验证和持续优化;\n2、针对芯片的计算特点,进行算法-芯片协同设计优化,实现优于GPU的性价比;\n3、针对存算芯片,AI芯片等专用芯片进行大模型的分离部署的方案分析,提出业界领先方案。\n\n职位要求\n1、本科及以上学历在读,计算机、软件工程、集成电路等相关专业优先;\n2、熟悉量化、稀疏算法,了解GPTQ、Quest、KiVi等量化稀疏方案;\n3、熟悉芯片计算架构,如TPU架构、GPU架构等架构,可进行理论分析和性能评估;\n4、熟悉DRAM、HBM的存储原理,了解存算的计算范式;\n5、熟悉C/C++、Python语言。\n\n加分项:\n1、有FPGA开发经验或者芯片SDK开发和部署经验;\n2、有NPU/APU算子开发经验;\n3、有DRAM/HBM存储/Process-in-memory/Computing-in-memory等研究经验。\n日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。\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、为芯片存算功能开发底层软件并进行验证和持续优化;\n2、针对芯片的计算特点,进行算法-芯片协同设计优化,实现优于GPU的性价比;\n3、针对存算芯片,AI芯片等专用芯片进行大模型的分离部署的方案分析,提出业界领先方案。\n1、本科及以上学历在读,计算机、软件工程、集成电路等相关专业优先;\n2、熟悉量化、稀疏算法,了解GPTQ、Quest、KiVi等量化稀疏方案;\n3、熟悉芯片计算架构,如TPU架构、GPU架构等架构,可进行理论分析和性能评估;\n4、熟悉DRAM、HBM的存储原理,了解存算的计算范式;\n5、熟悉C/C++、Python语言。\n\n加分项:\n1、有FPGA开发经验或者芯片SDK开发和部署经验;\n2、有NPU/APU算子开发经验;\n3、有DRAM/HBM存储/Process-in-memory/Computing-in-memory等研究经验。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}