主分类:AI模型评测工程
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": "多模态世界模型评测算法实习生-Seed",
"job_level": "实习",AI生成
"work_category": "实习",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、建立建立下一代多模态模型评测体系,引导模型向AGI的方向发展:\n1)创建针对推理与交互的下一代多模态模型评测Leaderboard;\n2)包括而不限于长视频高帧率评估、视频流式交互评估、视觉CoT评估、世界模型评估方法;\n3)GUI/游戏等虚拟世界的通用多模态Agent评估方法;\n2、探索多模态大模型能力边界:\n1)追踪业界对于模型能力的边界拓展进程;\n2)持续迭代复杂度更高的评测集合;\n3)防止基准测试饱和模型过拟合;\n3、优化评测工程链路与评测手段:\n1)探索自动化评测任务构造和自动化评估方法;\n2)提升模型评测效率。",
"requirements_text": "1、本科及以上学历在读,计算机、电子、数学等相关专业优先;\n2、在计算机视觉、多模态、AIGC、机器学习、渲染生成等一个或多个领域有较深入的研究者;\n3、具有出色的分析、解决问题的能力,能深入解决大模型训练、应用存在的问题,有自主探索解决方案的能力者;\n4、具有良好的沟通协作能力,工作积极主动,能够与团队融洽合作,一起探索新技术,推进技术进步。\n\n加分项:\n1、在多模态、大模型、基础模型、世界模型等领域,主导过大影响力模型评测项目者优先;\n2、具有优秀的基础算法、扎实的机器学习基础,熟悉CV、AIGC、NLP、RL、ML等领域的技术,在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等会议/期刊上发表论文者优先;\n3、具有优秀的代码能力,熟练掌握C/C++或Python编程语言,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"自然语言处理",
"计算机视觉",
"模型训练",
"解决问题",
"渲染",
"大语言模型"
],
"preferred_qualifications": "1、本科及以上学历在读,计算机、电子、数学等相关专业优先;加分项:;1、在多模态、大模型、基础模型、世界模型等领域,主导过大影响力模型评测项目者优先;2、具有优秀的基础算法、扎实的机器学习基础,熟悉CV、AIGC、NLP、RL、ML等领域的技术,在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等会议/期刊上发表论文者优先;3、具有优秀的代码能力,熟练掌握C/C++或Python编程语言,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7478556490568976647/detail"
}
]
},
"posting": {
"posting_id": "7478556490568976647",
"post_date": "2025-03-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7478556490568976647/detail"
},
"fulltext": "多模态世界模型评测算法实习生-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、建立建立下一代多模态模型评测体系,引导模型向AGI的方向发展:\n1)创建针对推理与交互的下一代多模态模型评测Leaderboard;\n2)包括而不限于长视频高帧率评估、视频流式交互评估、视觉CoT评估、世界模型评估方法;\n3)GUI/游戏等虚拟世界的通用多模态Agent评估方法;\n2、探索多模态大模型能力边界:\n1)追踪业界对于模型能力的边界拓展进程;\n2)持续迭代复杂度更高的评测集合;\n3)防止基准测试饱和模型过拟合;\n3、优化评测工程链路与评测手段:\n1)探索自动化评测任务构造和自动化评估方法;\n2)提升模型评测效率。\n\n职位要求\n1、本科及以上学历在读,计算机、电子、数学等相关专业优先;\n2、在计算机视觉、多模态、AIGC、机器学习、渲染生成等一个或多个领域有较深入的研究者;\n3、具有出色的分析、解决问题的能力,能深入解决大模型训练、应用存在的问题,有自主探索解决方案的能力者;\n4、具有良好的沟通协作能力,工作积极主动,能够与团队融洽合作,一起探索新技术,推进技术进步。\n\n加分项:\n1、在多模态、大模型、基础模型、世界模型等领域,主导过大影响力模型评测项目者优先;\n2、具有优秀的基础算法、扎实的机器学习基础,熟悉CV、AIGC、NLP、RL、ML等领域的技术,在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等会议/期刊上发表论文者优先;\n3、具有优秀的代码能力,熟练掌握C/C++或Python编程语言,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先。\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、建立建立下一代多模态模型评测体系,引导模型向AGI的方向发展:\n1)创建针对推理与交互的下一代多模态模型评测Leaderboard;\n2)包括而不限于长视频高帧率评估、视频流式交互评估、视觉CoT评估、世界模型评估方法;\n3)GUI/游戏等虚拟世界的通用多模态Agent评估方法;\n2、探索多模态大模型能力边界:\n1)追踪业界对于模型能力的边界拓展进程;\n2)持续迭代复杂度更高的评测集合;\n3)防止基准测试饱和模型过拟合;\n3、优化评测工程链路与评测手段:\n1)探索自动化评测任务构造和自动化评估方法;\n2)提升模型评测效率。\n1、本科及以上学历在读,计算机、电子、数学等相关专业优先;\n2、在计算机视觉、多模态、AIGC、机器学习、渲染生成等一个或多个领域有较深入的研究者;\n3、具有出色的分析、解决问题的能力,能深入解决大模型训练、应用存在的问题,有自主探索解决方案的能力者;\n4、具有良好的沟通协作能力,工作积极主动,能够与团队融洽合作,一起探索新技术,推进技术进步。\n\n加分项:\n1、在多模态、大模型、基础模型、世界模型等领域,主导过大影响力模型评测项目者优先;\n2、具有优秀的基础算法、扎实的机器学习基础,熟悉CV、AIGC、NLP、RL、ML等领域的技术,在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等会议/期刊上发表论文者优先;\n3、具有优秀的代码能力,熟练掌握C/C++或Python编程语言,ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}