主分类:大模型与生成式算法研发
辅助:数据工程与数据平台研发(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": "AI应用技术Leader-集团信息系统",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "研发"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、负责企业数据预训练数据的合成、清洗、权重分配、来源扩充等一系列工作,持续提高预训练、中程训练等阶段的数据质量;负责探究预训练小领域数据的配比和最终效果之间的关系;开发数据合成链路,解决模型中的关键问题;\n2、负责探究深度推理技术,探究Test-time Compute和模型效果的Scaling laws,负责后训练奖励模型、强化学习算法的一系列优化流程,探究高价值数据到RL过程的数据飞轮;\n3、专注于企业服务强化学习中的奖励模型(Reward Model)的优化和创新;包括和SFT阶段配合解决判别能力较差的场景、探究合成数据进行奖励模型的预训练、组织标注人员进行奖励模型的标注、前沿探究。",
"requirements_text": "1、本科及以上学历,计算机、物理、数学、神经科学或相关专业;\n2、具备扎实的计算机科学功底和编程能力,熟悉常见算法和数据结构,具有良好的编程习惯;\n3、熟悉语言模型的基本技术、模型结构,对AI的未来有技术信念和工作热情;\n4、工作认真细致,计划性强,具有刨根问底的探究精神,对研发工作中有很强的实事求是的落地信念,追求最终效果或能带来可观察改变的过程创新。\n\n加分项:\n1、有NOI、ACM竞赛经历者优先;有强化学习、后训练、推荐领域出色的数据驱动工作者优先;\n2、熟悉强化学习相关技术和细节,曾深度参与强化学习项目或语言模型项目;\n3、具有较强的工程能力,能迅速实现行业新想法的原型。",
"skills": [AI生成
"强化学习",
"数据结构"
],
"preferred_qualifications": "加分项:;1、有NOI、ACM竞赛经历者优先;有强化学习、后训练、推荐领域出色的数据驱动工作者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7488975921577232647/detail"
}
]
},
"posting": {
"posting_id": "7488975921577232647",
"post_date": "2025-04-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7488975921577232647/detail"
},
"fulltext": "AI应用技术Leader-集团信息系统\n职位描述\n1、负责企业数据预训练数据的合成、清洗、权重分配、来源扩充等一系列工作,持续提高预训练、中程训练等阶段的数据质量;负责探究预训练小领域数据的配比和最终效果之间的关系;开发数据合成链路,解决模型中的关键问题;\n2、负责探究深度推理技术,探究Test-time Compute和模型效果的Scaling laws,负责后训练奖励模型、强化学习算法的一系列优化流程,探究高价值数据到RL过程的数据飞轮;\n3、专注于企业服务强化学习中的奖励模型(Reward Model)的优化和创新;包括和SFT阶段配合解决判别能力较差的场景、探究合成数据进行奖励模型的预训练、组织标注人员进行奖励模型的标注、前沿探究。\n\n职位要求\n1、本科及以上学历,计算机、物理、数学、神经科学或相关专业;\n2、具备扎实的计算机科学功底和编程能力,熟悉常见算法和数据结构,具有良好的编程习惯;\n3、熟悉语言模型的基本技术、模型结构,对AI的未来有技术信念和工作热情;\n4、工作认真细致,计划性强,具有刨根问底的探究精神,对研发工作中有很强的实事求是的落地信念,追求最终效果或能带来可观察改变的过程创新。\n\n加分项:\n1、有NOI、ACM竞赛经历者优先;有强化学习、后训练、推荐领域出色的数据驱动工作者优先;\n2、熟悉强化学习相关技术和细节,曾深度参与强化学习项目或语言模型项目;\n3、具有较强的工程能力,能迅速实现行业新想法的原型。\n1、负责企业数据预训练数据的合成、清洗、权重分配、来源扩充等一系列工作,持续提高预训练、中程训练等阶段的数据质量;负责探究预训练小领域数据的配比和最终效果之间的关系;开发数据合成链路,解决模型中的关键问题;\n2、负责探究深度推理技术,探究Test-time Compute和模型效果的Scaling laws,负责后训练奖励模型、强化学习算法的一系列优化流程,探究高价值数据到RL过程的数据飞轮;\n3、专注于企业服务强化学习中的奖励模型(Reward Model)的优化和创新;包括和SFT阶段配合解决判别能力较差的场景、探究合成数据进行奖励模型的预训练、组织标注人员进行奖励模型的标注、前沿探究。\n1、本科及以上学历,计算机、物理、数学、神经科学或相关专业;\n2、具备扎实的计算机科学功底和编程能力,熟悉常见算法和数据结构,具有良好的编程习惯;\n3、熟悉语言模型的基本技术、模型结构,对AI的未来有技术信念和工作热情;\n4、工作认真细致,计划性强,具有刨根问底的探究精神,对研发工作中有很强的实事求是的落地信念,追求最终效果或能带来可观察改变的过程创新。\n\n加分项:\n1、有NOI、ACM竞赛经历者优先;有强化学习、后训练、推荐领域出色的数据驱动工作者优先;\n2、熟悉强化学习相关技术和细节,曾深度参与强化学习项目或语言模型项目;\n3、具有较强的工程能力,能迅速实现行业新想法的原型。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}