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": "大语言模型算法研究员（数据智能）-火山引擎",
"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": "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": "硕士及以上学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、数据增强算法优化，优化预训练/SFT/RLHF阶段的数据合成算法，提升训练数据的准确性、多样性和领域适配性；\n2、支持大模型研发，参与Code-LLM与逻辑推理大模型的训练创新，攻克NL2Code、复杂推理链生成等技术难点，推进LLMTest-TimeCompute、Parameter-EfficientFinetuning等技术落地实践；\n3、推动大模型应用落地，探索包括RAG-QA机器人、数据洞察机器人、 AICoding等在真实场景的应用价值，并基于评估体系实现应用效果的持续迭代；\n4、跟进开源SOTA大模型，探索大模型ScalingLaw并实践开源大模型在数据智能领域的Post-Training，沉淀技术专利。",
"requirements_text": "1、硕士及以上学位，计算机科学/人工智能/应用数学等相关专业，顶会（ACL/NeurIPS/ICML/EMNLP/ICLR）论文或竞赛获奖者优先；\n2、扎实的深度学习技术基础，熟悉深度学习训练框架（PyTorch/Huggingface）等，了解常见大语言模型、Embedding架构和训练方法优先；\n3、优秀的问题分析解决能力，以及良好的沟通协作能力，能和团队一起探索新技术。",
"skills": [AI生成
"PyTorch",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "1、硕士及以上学位，计算机科学/人工智能/应用数学等相关专业，顶会（ACL/NeurIPS/ICML/EMNLP/ICLR）论文或竞赛获奖者优先；2、扎实的深度学习技术基础，熟悉深度学习训练框架（PyTorch/Huggingface）等，了解常见大语言模型、Embedding架构和训练方法优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7540893414310447368/detail"
}
]
},
"posting": {
"posting_id": "7540893414310447368",
"post_date": "2025-08-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7540893414310447368/detail"
},
"fulltext": "大语言模型算法研究员（数据智能）-火山引擎\n职位描述\n1、数据增强算法优化，优化预训练/SFT/RLHF阶段的数据合成算法，提升训练数据的准确性、多样性和领域适配性；\n2、支持大模型研发，参与Code-LLM与逻辑推理大模型的训练创新，攻克NL2Code、复杂推理链生成等技术难点，推进LLMTest-TimeCompute、Parameter-EfficientFinetuning等技术落地实践；\n3、推动大模型应用落地，探索包括RAG-QA机器人、数据洞察机器人、 AICoding等在真实场景的应用价值，并基于评估体系实现应用效果的持续迭代；\n4、跟进开源SOTA大模型，探索大模型ScalingLaw并实践开源大模型在数据智能领域的Post-Training，沉淀技术专利。\n\n职位要求\n1、硕士及以上学位，计算机科学/人工智能/应用数学等相关专业，顶会（ACL/NeurIPS/ICML/EMNLP/ICLR）论文或竞赛获奖者优先；\n2、扎实的深度学习技术基础，熟悉深度学习训练框架（PyTorch/Huggingface）等，了解常见大语言模型、Embedding架构和训练方法优先；\n3、优秀的问题分析解决能力，以及良好的沟通协作能力，能和团队一起探索新技术。\n1、数据增强算法优化，优化预训练/SFT/RLHF阶段的数据合成算法，提升训练数据的准确性、多样性和领域适配性；\n2、支持大模型研发，参与Code-LLM与逻辑推理大模型的训练创新，攻克NL2Code、复杂推理链生成等技术难点，推进LLMTest-TimeCompute、Parameter-EfficientFinetuning等技术落地实践；\n3、推动大模型应用落地，探索包括RAG-QA机器人、数据洞察机器人、 AICoding等在真实场景的应用价值，并基于评估体系实现应用效果的持续迭代；\n4、跟进开源SOTA大模型，探索大模型ScalingLaw并实践开源大模型在数据智能领域的Post-Training，沉淀技术专利。\n1、硕士及以上学位，计算机科学/人工智能/应用数学等相关专业，顶会（ACL/NeurIPS/ICML/EMNLP/ICLR）论文或竞赛获奖者优先；\n2、扎实的深度学习技术基础，熟悉深度学习训练框架（PyTorch/Huggingface）等，了解常见大语言模型、Embedding架构和训练方法优先；\n3、优秀的问题分析解决能力，以及良好的沟通协作能力，能和团队一起探索新技术。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}