主分类：AI训练推理与计算优化
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": "机器学习编译优化工程师-Seed",
"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": "机器学习"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、参与AI编译器相关项目的技术方案规划，设计在离线全系统的计算图优化链路；\n2、针对搜索/推荐/广告场景，优化模型训练/推理的计算图执行效率；\n3、与全公司算法部门深度合作，为重点项目进行算法与系统的联合优化。",
"requirements_text": "1、熟悉开源ML编译器代码（如XLA/MLIR/TVM)，并有相关开发经验；\n2、具有CPU/GPU下的算子Kernel开发和性能优化经验；\n3、具有扎实的C/C++编程能力和数据结构和算法知识；\n4、具有独立解决问题的能力，能够对业务逻辑进行合理的抽象和拆分，良好的团队合作精神。\n\n加分项：\n1、有软硬件联合设计的经验；\n2、深入研究过至少一种机器学习框架（TensorFlow/PyTorch/MXNet或其他自研框架）的底层架构和机制。",
"skills": [AI生成
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"数据结构",
"性能优化",
"团队协作",
"解决问题"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7503749028354771207/detail"
}
]
},
"posting": {
"posting_id": "7503749028354771207",
"post_date": "2025-05-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7503749028354771207/detail"
},
"fulltext": "机器学习编译优化工程师-Seed\n职位描述\n1、参与AI编译器相关项目的技术方案规划，设计在离线全系统的计算图优化链路；\n2、针对搜索/推荐/广告场景，优化模型训练/推理的计算图执行效率；\n3、与全公司算法部门深度合作，为重点项目进行算法与系统的联合优化。\n\n职位要求\n1、熟悉开源ML编译器代码（如XLA/MLIR/TVM)，并有相关开发经验；\n2、具有CPU/GPU下的算子Kernel开发和性能优化经验；\n3、具有扎实的C/C++编程能力和数据结构和算法知识；\n4、具有独立解决问题的能力，能够对业务逻辑进行合理的抽象和拆分，良好的团队合作精神。\n\n加分项：\n1、有软硬件联合设计的经验；\n2、深入研究过至少一种机器学习框架（TensorFlow/PyTorch/MXNet或其他自研框架）的底层架构和机制。\n1、参与AI编译器相关项目的技术方案规划，设计在离线全系统的计算图优化链路；\n2、针对搜索/推荐/广告场景，优化模型训练/推理的计算图执行效率；\n3、与全公司算法部门深度合作，为重点项目进行算法与系统的联合优化。\n1、熟悉开源ML编译器代码（如XLA/MLIR/TVM)，并有相关开发经验；\n2、具有CPU/GPU下的算子Kernel开发和性能优化经验；\n3、具有扎实的C/C++编程能力和数据结构和算法知识；\n4、具有独立解决问题的能力，能够对业务逻辑进行合理的抽象和拆分，良好的团队合作精神。\n\n加分项：\n1、有软硬件联合设计的经验；\n2、深入研究过至少一种机器学习框架（TensorFlow/PyTorch/MXNet或其他自研框架）的底层架构和机制。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}