主分类：大模型与生成式算法研发
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": "多模态内容理解算法专家-抖音直播（深圳/北京）",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳",
"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",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责抖音直播实时互动相关的多模态内容理解工作，打造业界领先的多模态内容理解大模型；\n2、基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在下游业务上的应用，包括并不限于多模态对话、多模态互动内容生成、Caption文本生成等，助力业务规模应用落地；\n3、规划实现并优化海量多模态数据的预处理、清洗、标注、特征提取及高效融合方法。",
"requirements_text": "1、本科及以上学历，计算机相关专业；\n2、在计算机视觉/多模态某领域有深入的研究或项目经验，在顶级学术会议有论文发表者或获得竞赛优胜者优先；\n3、熟悉多模态大模型（VLM）、大语言模型（LLM）、RL相关的算法技术，熟悉大模型相关的数据构造方法、Post Training算法，对多模态数据处理具备优秀的独立开发与调试能力；\n4、有模型训练、压缩、蒸馏、微调等经验，熟悉Megatron、Deepspeed等框架者优先；\n5、对视觉CoT有研究经验者优先，对类GPT-4o实时对话的多模态流式计算有落地经验者优先；\n6、优秀的分析和解决问题的能力，对解决具有挑战性的问题充满激情，良好的沟通和团队合作能力。",
"skills": [AI生成
"计算机视觉",
"模型训练",
"团队协作",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "2、在计算机视觉/多模态某领域有深入的研究或项目经验，在顶级学术会议有论文发表者或获得竞赛优胜者优先；4、有模型训练、压缩、蒸馏、微调等经验，熟悉Megatron、Deepspeed等框架者优先；5、对视觉CoT有研究经验者优先，对类GPT-4o实时对话的多模态流式计算有落地经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7532536702407002376/detail"
}
]
},
"posting": {
"posting_id": "7532536702407002376",
"post_date": "2025-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7532536702407002376/detail"
},
"fulltext": "多模态内容理解算法专家-抖音直播（深圳/北京）\n职位描述\n1、负责抖音直播实时互动相关的多模态内容理解工作，打造业界领先的多模态内容理解大模型；\n2、基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在下游业务上的应用，包括并不限于多模态对话、多模态互动内容生成、Caption文本生成等，助力业务规模应用落地；\n3、规划实现并优化海量多模态数据的预处理、清洗、标注、特征提取及高效融合方法。\n\n职位要求\n1、本科及以上学历，计算机相关专业；\n2、在计算机视觉/多模态某领域有深入的研究或项目经验，在顶级学术会议有论文发表者或获得竞赛优胜者优先；\n3、熟悉多模态大模型（VLM）、大语言模型（LLM）、RL相关的算法技术，熟悉大模型相关的数据构造方法、Post Training算法，对多模态数据处理具备优秀的独立开发与调试能力；\n4、有模型训练、压缩、蒸馏、微调等经验，熟悉Megatron、Deepspeed等框架者优先；\n5、对视觉CoT有研究经验者优先，对类GPT-4o实时对话的多模态流式计算有落地经验者优先；\n6、优秀的分析和解决问题的能力，对解决具有挑战性的问题充满激情，良好的沟通和团队合作能力。\n1、负责抖音直播实时互动相关的多模态内容理解工作，打造业界领先的多模态内容理解大模型；\n2、基于CNN、VLM等技术推进模型训练、微调、评测及高效部署，推动模型在下游业务上的应用，包括并不限于多模态对话、多模态互动内容生成、Caption文本生成等，助力业务规模应用落地；\n3、规划实现并优化海量多模态数据的预处理、清洗、标注、特征提取及高效融合方法。\n1、本科及以上学历，计算机相关专业；\n2、在计算机视觉/多模态某领域有深入的研究或项目经验，在顶级学术会议有论文发表者或获得竞赛优胜者优先；\n3、熟悉多模态大模型（VLM）、大语言模型（LLM）、RL相关的算法技术，熟悉大模型相关的数据构造方法、Post Training算法，对多模态数据处理具备优秀的独立开发与调试能力；\n4、有模型训练、压缩、蒸馏、微调等经验，熟悉Megatron、Deepspeed等框架者优先；\n5、对视觉CoT有研究经验者优先，对类GPT-4o实时对话的多模态流式计算有落地经验者优先；\n6、优秀的分析和解决问题的能力，对解决具有挑战性的问题充满激情，良好的沟通和团队合作能力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}