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": "大模型训练优化工程师-Commercial AI",
"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": "后端"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、负责超大规模机器学习系统架构的设计开发，解决系统高并发、高可靠性、高可扩展性等技术难关；\n2、负责大模型分布式训练任务性能优化，涵盖LLM/MLLM模型的CPT/SFT/RL等训练系统的搭建和性能优化；\n3、与算法部门深度合作，进行算法与系统的联合优化；\n4、国产硬件的适配和性能优化。",
"requirements_text": "1、优秀的代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++，Python；\n2、熟悉至少一种机器学习框架（PyTorch/TensorFlow/PaddlePaddle/Mindspore等训练框架），以及对应框架相应技术生态；\n3、有分布式训练、模型并行、数据并行等训练经验，至少了解一种分布式框架（如FSDP/Megatron/DeepSpeed/veScale等）；\n4、掌握分布式系统原理，参与过分布式系统的设计、开发和维护；\n5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；\n6、较强的自驱学习能力，对端到端系统设计、编码规范和系统优化有高标准要求。\n\n加分项：\n1、熟悉LLM、MLLM、NLP、CV、语音相关的算法和技术，熟悉大模型训练、Diffusion模型训练；\n2、熟悉GRPO/PPO/DAPO等RL算法、veRL/OpenRLHF/AReal/ROLL/Slime等任一强化学习框架；\n3、熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验；\n4、熟悉国产异构硬件并有相关训练框架或高性能算子调优经验。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"CUDA",
"机器学习",
"强化学习",
"自然语言处理",
"数据结构",
"分布式系统",
"模型训练",
"沟通能力",
"学习能力",
"大语言模型"
],
"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/7525709658586482962/detail"
}
]
},
"posting": {
"posting_id": "7525709658586482962",
"post_date": "2025-07-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7525709658586482962/detail"
},
"fulltext": "大模型训练优化工程师-Commercial AI\n职位描述\n1、负责超大规模机器学习系统架构的设计开发，解决系统高并发、高可靠性、高可扩展性等技术难关；\n2、负责大模型分布式训练任务性能优化，涵盖LLM/MLLM模型的CPT/SFT/RL等训练系统的搭建和性能优化；\n3、与算法部门深度合作，进行算法与系统的联合优化；\n4、国产硬件的适配和性能优化。\n\n职位要求\n1、优秀的代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++，Python；\n2、熟悉至少一种机器学习框架（PyTorch/TensorFlow/PaddlePaddle/Mindspore等训练框架），以及对应框架相应技术生态；\n3、有分布式训练、模型并行、数据并行等训练经验，至少了解一种分布式框架（如FSDP/Megatron/DeepSpeed/veScale等）；\n4、掌握分布式系统原理，参与过分布式系统的设计、开发和维护；\n5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；\n6、较强的自驱学习能力，对端到端系统设计、编码规范和系统优化有高标准要求。\n\n加分项：\n1、熟悉LLM、MLLM、NLP、CV、语音相关的算法和技术，熟悉大模型训练、Diffusion模型训练；\n2、熟悉GRPO/PPO/DAPO等RL算法、veRL/OpenRLHF/AReal/ROLL/Slime等任一强化学习框架；\n3、熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验；\n4、熟悉国产异构硬件并有相关训练框架或高性能算子调优经验。\n1、负责超大规模机器学习系统架构的设计开发，解决系统高并发、高可靠性、高可扩展性等技术难关；\n2、负责大模型分布式训练任务性能优化，涵盖LLM/MLLM模型的CPT/SFT/RL等训练系统的搭建和性能优化；\n3、与算法部门深度合作，进行算法与系统的联合优化；\n4、国产硬件的适配和性能优化。\n1、优秀的代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++，Python；\n2、熟悉至少一种机器学习框架（PyTorch/TensorFlow/PaddlePaddle/Mindspore等训练框架），以及对应框架相应技术生态；\n3、有分布式训练、模型并行、数据并行等训练经验，至少了解一种分布式框架（如FSDP/Megatron/DeepSpeed/veScale等）；\n4、掌握分布式系统原理，参与过分布式系统的设计、开发和维护；\n5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动；\n6、较强的自驱学习能力，对端到端系统设计、编码规范和系统优化有高标准要求。\n\n加分项：\n1、熟悉LLM、MLLM、NLP、CV、语音相关的算法和技术，熟悉大模型训练、Diffusion模型训练；\n2、熟悉GRPO/PPO/DAPO等RL算法、veRL/OpenRLHF/AReal/ROLL/Slime等任一强化学习框架；\n3、熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验；\n4、熟悉国产异构硬件并有相关训练框架或高性能算子调优经验。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}