{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型算法工程师-短视频生态",
        "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": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、多模态大模型技术研发与落地：\n1）负责TikTok短视频/直播场景下多模态（视觉、文本、音频）内容理解核心算法的设计、优化与端到端落地，主导从技术方案设计到业务效果验证的全流程；\n2）迭代多模态大模型/大语言模型的技术迭代，负责SFT（监督微调）、Continual Training等核心环节，优化模型在跨模态特征融合、内容语义理解等场景的性能；\n3）应用并创新多模态预训练、跨模态检索、多标签精准分类等技术，构建高召回、高精度的灰色内容识别体系；\n2、大模型前沿技术探索与创新：\n1）开展大模型+少样本/零样本（Few/Zero-Shot）学习方案的研发，专注与应急场景识别新型灰色内容识别的冷启动难题，提升模型对未知风险内容的泛化能力；\n2）设计和组合基于思维链（CoT）、少样本提示（Few-shot）、Agent、RAG等大模型策略，减少生态问题出现到解决的落地时间，并提升准召；\n3）探索强化学习（RL）技术在内容治理场景的落地路径，构建基于业务反馈的模型迭代闭环，优化内容分发的精准性与生态平衡性；\n3、算法工程部署与效果迭代：\n1）推动大模型相关算法的工程化部署与性能优化，解决大规模数据处理、模型推理加速等工程化难题，保障算法在亿级流量场景的高效稳定运行；\n2）建立科学的模型效果评估体系，通过A/B测试、离线实验等方式持续迭代算法策略，提升内容治理的效率与效果。",
        "requirements_text": "1、本科及以上学历，计算机、软件工程、人工智能等相关专业优先；\n2、熟悉Linux平台及主流深度学习框架（如PyTorch、TensorFlow等）；\n3、熟悉多模态、计算机视觉、自然语言处理等领域的经典深度学习算法，有相关内容理解领域的技术积累；\n4、有熟练的LLM Prompt Engineering经验，能够针对不同业务场景，设计、优化和调试Prompt，提升模型在内容理解、分类、生成等任务中的表现；\n5、责任心强，积极主动，具备良好的沟通能力和团队协作能力；\n6、有内容安全、内容识别、推荐系统等相关算法项目经验，参与过大模型SFT/Continue Training、多模态识别等相关研究，对内容治理、内容生态有深入理解或兴趣者优先。",
        "skills": [AI生成
            "Linux",
            "PyTorch",
            "TensorFlow",
            "深度学习",
            "自然语言处理",
            "计算机视觉",
            "团队协作",
            "沟通能力",
            "大语言模型"
        ],
        "preferred_qualifications": "1、本科及以上学历，计算机、软件工程、人工智能等相关专业优先；6、有内容安全、内容识别、推荐系统等相关算法项目经验，参与过大模型SFT/Continue Training、多模态识别等相关研究，对内容治理、内容生态有深入理解或兴趣者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7470060054260599058/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7470060054260599058",
        "post_date": "2025-02-11",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7470060054260599058/detail"
    },
    "fulltext": "大模型算法工程师-短视频生态\n职位描述\n1、多模态大模型技术研发与落地：\n1）负责TikTok短视频/直播场景下多模态（视觉、文本、音频）内容理解核心算法的设计、优化与端到端落地，主导从技术方案设计到业务效果验证的全流程；\n2）迭代多模态大模型/大语言模型的技术迭代，负责SFT（监督微调）、Continual Training等核心环节，优化模型在跨模态特征融合、内容语义理解等场景的性能；\n3）应用并创新多模态预训练、跨模态检索、多标签精准分类等技术，构建高召回、高精度的灰色内容识别体系；\n2、大模型前沿技术探索与创新：\n1）开展大模型+少样本/零样本（Few/Zero-Shot）学习方案的研发，专注与应急场景识别新型灰色内容识别的冷启动难题，提升模型对未知风险内容的泛化能力；\n2）设计和组合基于思维链（CoT）、少样本提示（Few-shot）、Agent、RAG等大模型策略，减少生态问题出现到解决的落地时间，并提升准召；\n3）探索强化学习（RL）技术在内容治理场景的落地路径，构建基于业务反馈的模型迭代闭环，优化内容分发的精准性与生态平衡性；\n3、算法工程部署与效果迭代：\n1）推动大模型相关算法的工程化部署与性能优化，解决大规模数据处理、模型推理加速等工程化难题，保障算法在亿级流量场景的高效稳定运行；\n2）建立科学的模型效果评估体系，通过A/B测试、离线实验等方式持续迭代算法策略，提升内容治理的效率与效果。\n\n职位要求\n1、本科及以上学历，计算机、软件工程、人工智能等相关专业优先；\n2、熟悉Linux平台及主流深度学习框架（如PyTorch、TensorFlow等）；\n3、熟悉多模态、计算机视觉、自然语言处理等领域的经典深度学习算法，有相关内容理解领域的技术积累；\n4、有熟练的LLM Prompt Engineering经验，能够针对不同业务场景，设计、优化和调试Prompt，提升模型在内容理解、分类、生成等任务中的表现；\n5、责任心强，积极主动，具备良好的沟通能力和团队协作能力；\n6、有内容安全、内容识别、推荐系统等相关算法项目经验，参与过大模型SFT/Continue Training、多模态识别等相关研究，对内容治理、内容生态有深入理解或兴趣者优先。\n1、多模态大模型技术研发与落地：\n1）负责TikTok短视频/直播场景下多模态（视觉、文本、音频）内容理解核心算法的设计、优化与端到端落地，主导从技术方案设计到业务效果验证的全流程；\n2）迭代多模态大模型/大语言模型的技术迭代，负责SFT（监督微调）、Continual Training等核心环节，优化模型在跨模态特征融合、内容语义理解等场景的性能；\n3）应用并创新多模态预训练、跨模态检索、多标签精准分类等技术，构建高召回、高精度的灰色内容识别体系；\n2、大模型前沿技术探索与创新：\n1）开展大模型+少样本/零样本（Few/Zero-Shot）学习方案的研发，专注与应急场景识别新型灰色内容识别的冷启动难题，提升模型对未知风险内容的泛化能力；\n2）设计和组合基于思维链（CoT）、少样本提示（Few-shot）、Agent、RAG等大模型策略，减少生态问题出现到解决的落地时间，并提升准召；\n3）探索强化学习（RL）技术在内容治理场景的落地路径，构建基于业务反馈的模型迭代闭环，优化内容分发的精准性与生态平衡性；\n3、算法工程部署与效果迭代：\n1）推动大模型相关算法的工程化部署与性能优化，解决大规模数据处理、模型推理加速等工程化难题，保障算法在亿级流量场景的高效稳定运行；\n2）建立科学的模型效果评估体系，通过A/B测试、离线实验等方式持续迭代算法策略，提升内容治理的效率与效果。\n1、本科及以上学历，计算机、软件工程、人工智能等相关专业优先；\n2、熟悉Linux平台及主流深度学习框架（如PyTorch、TensorFlow等）；\n3、熟悉多模态、计算机视觉、自然语言处理等领域的经典深度学习算法，有相关内容理解领域的技术积累；\n4、有熟练的LLM Prompt Engineering经验，能够针对不同业务场景，设计、优化和调试Prompt，提升模型在内容理解、分类、生成等任务中的表现；\n5、责任心强，积极主动，具备良好的沟通能力和团队协作能力；\n6、有内容安全、内容识别、推荐系统等相关算法项目经验，参与过大模型SFT/Continue Training、多模态识别等相关研究，对内容治理、内容生态有深入理解或兴趣者优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}