{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "研究科学家-基础设施系统实验室（北京/杭州）",
        "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": "基础架构"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": "计算机科学、应用数学、电子工程或相关方向博士学位",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、研究并开发近似最近邻（ANN）搜索算法，重点关注过滤检索、混合检索或基于磁盘的索引方案；\n2、优化现有算法，在可扩展性、延迟、内存占用和过滤支持方面持续提升；\n3、与工程团队紧密合作，完成算法原型、性能评估与生产系统集成；\n4、参与或撰写学术论文、开源项目或内部技术文档；\n5、跟踪向量检索、RAG、LLM系统等前沿研究进展。",
        "requirements_text": "1、计算机科学、应用数学、电子工程或相关方向博士学位；\n2、在顶级会议（如SIGMOD、VLDB、SIGIR、NeurIPS、ICML等）有向量检索、索引结构、信息检索或机器学习相关的论文发表记录；\n3、深入理解ANN算法、量化技术、图索引与分区索引等核心技术；\n4、具备系统级性能分析能力，能够从CPU、内存、存储等多层次对系统进行性能剖析与优化；\n5、熟练使用C++或Python，具备索引类算法的实际实现与调试经验。\n\n加分项：\n1、有向量数据库或检索系统的实际构建经验；\n2、熟悉FAISS、ScaNN、HNSWLib、DiskANN等主流框架；\n3、理解分布式系统架构，或具备GPU加速检索的实战经验；\n4、有混合检索（稠密+稀疏）、多模态检索或LLM检索相关经验者优先；\n5、对将研究成果落地于生产系统充满热情。",
        "skills": [AI生成
            "Python",
            "C++",
            "机器学习",
            "分布式系统",
            "数据库",
            "系统架构",
            "分析能力"
        ],
        "preferred_qualifications": "加分项：；4、有混合检索（稠密+稀疏）、多模态检索或LLM检索相关经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7491139823441545490/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7491139823441545490",
        "post_date": "2025-04-09",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7491139823441545490/detail"
    },
    "fulltext": "研究科学家-基础设施系统实验室（北京/杭州）\n职位描述\n1、研究并开发近似最近邻（ANN）搜索算法，重点关注过滤检索、混合检索或基于磁盘的索引方案；\n2、优化现有算法，在可扩展性、延迟、内存占用和过滤支持方面持续提升；\n3、与工程团队紧密合作，完成算法原型、性能评估与生产系统集成；\n4、参与或撰写学术论文、开源项目或内部技术文档；\n5、跟踪向量检索、RAG、LLM系统等前沿研究进展。\n\n职位要求\n1、计算机科学、应用数学、电子工程或相关方向博士学位；\n2、在顶级会议（如SIGMOD、VLDB、SIGIR、NeurIPS、ICML等）有向量检索、索引结构、信息检索或机器学习相关的论文发表记录；\n3、深入理解ANN算法、量化技术、图索引与分区索引等核心技术；\n4、具备系统级性能分析能力，能够从CPU、内存、存储等多层次对系统进行性能剖析与优化；\n5、熟练使用C++或Python，具备索引类算法的实际实现与调试经验。\n\n加分项：\n1、有向量数据库或检索系统的实际构建经验；\n2、熟悉FAISS、ScaNN、HNSWLib、DiskANN等主流框架；\n3、理解分布式系统架构，或具备GPU加速检索的实战经验；\n4、有混合检索（稠密+稀疏）、多模态检索或LLM检索相关经验者优先；\n5、对将研究成果落地于生产系统充满热情。\n1、研究并开发近似最近邻（ANN）搜索算法，重点关注过滤检索、混合检索或基于磁盘的索引方案；\n2、优化现有算法，在可扩展性、延迟、内存占用和过滤支持方面持续提升；\n3、与工程团队紧密合作，完成算法原型、性能评估与生产系统集成；\n4、参与或撰写学术论文、开源项目或内部技术文档；\n5、跟踪向量检索、RAG、LLM系统等前沿研究进展。\n1、计算机科学、应用数学、电子工程或相关方向博士学位；\n2、在顶级会议（如SIGMOD、VLDB、SIGIR、NeurIPS、ICML等）有向量检索、索引结构、信息检索或机器学习相关的论文发表记录；\n3、深入理解ANN算法、量化技术、图索引与分区索引等核心技术；\n4、具备系统级性能分析能力，能够从CPU、内存、存储等多层次对系统进行性能剖析与优化；\n5、熟练使用C++或Python，具备索引类算法的实际实现与调试经验。\n\n加分项：\n1、有向量数据库或检索系统的实际构建经验；\n2、熟悉FAISS、ScaNN、HNSWLib、DiskANN等主流框架；\n3、理解分布式系统架构，或具备GPU加速检索的实战经验；\n4、有混合检索（稠密+稀疏）、多模态检索或LLM检索相关经验者优先；\n5、对将研究成果落地于生产系统充满热情。",
    "standard_classification": {
        "std_category_code": "T019",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}