主分类：Agent系统开发
辅助：大模型与生成式算法研发（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": "大语言模型AI搜索Agent算法工程师-豆包大模型",
"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": "硕士学位及以上",
"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、AI搜索总结Agent研发：\n1）设计并实现基于LLM的搜索总结Agent，提升搜索结果的理解、推理与结构化总结能力；\n2）探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合；\n3）构建端到端系统，涵盖意图识别、知识检索、结果生成与偏好对齐，提升用户体验；\n2、模型优化及应用：\n1）通过指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术优化模型在搜索场景的适应性；\n2）探索多模态信息（文本、代码、结构化数据）融合的搜索与生成技术；\n3）研究未来生活中的创新应用场景（如个性化知识助手、自动化研究工具），探索技术边界。",
"requirements_text": "1、硕士学位及以上，计算机科学、人工智能、自然语言处理等相关领域；\n2、精通PyTorch/TensorFlow等框架，具备语言模型（如GPT、Llama等）训练与优化经验；\n3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解；\n4、具备高性能计算（HPC）经验，熟悉分布式训练、模型压缩与推理加速技术。\n\n加分项：\n1、在ACL/EMNLP/NeurIPS等会议发表LLM或搜索相关论文；\n2、有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；\n3、熟悉多模态模型（如GPT-4V）或强化学习（RL）者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"强化学习",
"自然语言处理",
"搜索算法",
"检索增强生成"
],
"preferred_qualifications": "加分项：；3、熟悉多模态模型（如GPT-4V）或强化学习（RL）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/7473064938787244306/detail"
}
]
},
"posting": {
"posting_id": "7473064938787244306",
"post_date": "2025-02-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7473064938787244306/detail"
},
"fulltext": "大语言模型AI搜索Agent算法工程师-豆包大模型\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、AI搜索总结Agent研发：\n1）设计并实现基于LLM的搜索总结Agent，提升搜索结果的理解、推理与结构化总结能力；\n2）探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合；\n3）构建端到端系统，涵盖意图识别、知识检索、结果生成与偏好对齐，提升用户体验；\n2、模型优化及应用：\n1）通过指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术优化模型在搜索场景的适应性；\n2）探索多模态信息（文本、代码、结构化数据）融合的搜索与生成技术；\n3）研究未来生活中的创新应用场景（如个性化知识助手、自动化研究工具），探索技术边界。\n\n职位要求\n1、硕士学位及以上，计算机科学、人工智能、自然语言处理等相关领域；\n2、精通PyTorch/TensorFlow等框架，具备语言模型（如GPT、Llama等）训练与优化经验；\n3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解；\n4、具备高性能计算（HPC）经验，熟悉分布式训练、模型压缩与推理加速技术。\n\n加分项：\n1、在ACL/EMNLP/NeurIPS等会议发表LLM或搜索相关论文；\n2、有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；\n3、熟悉多模态模型（如GPT-4V）或强化学习（RL）者优先。\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、AI搜索总结Agent研发：\n1）设计并实现基于LLM的搜索总结Agent，提升搜索结果的理解、推理与结构化总结能力；\n2）探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合；\n3）构建端到端系统，涵盖意图识别、知识检索、结果生成与偏好对齐，提升用户体验；\n2、模型优化及应用：\n1）通过指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术优化模型在搜索场景的适应性；\n2）探索多模态信息（文本、代码、结构化数据）融合的搜索与生成技术；\n3）研究未来生活中的创新应用场景（如个性化知识助手、自动化研究工具），探索技术边界。\n1、硕士学位及以上，计算机科学、人工智能、自然语言处理等相关领域；\n2、精通PyTorch/TensorFlow等框架，具备语言模型（如GPT、Llama等）训练与优化经验；\n3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解；\n4、具备高性能计算（HPC）经验，熟悉分布式训练、模型压缩与推理加速技术。\n\n加分项：\n1、在ACL/EMNLP/NeurIPS等会议发表LLM或搜索相关论文；\n2、有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；\n3、熟悉多模态模型（如GPT-4V）或强化学习（RL）者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}