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": "通信AI/ML Infra工程师-豆包手机助手（北京/深圳）",
"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": "客户端"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、参与网络和无线通信领域ML机器学习模型和GenAI工具链Infra系统建设；\n2、进行Boost/DNN/RL/LLM等模型在端侧部署与运行优化工作，支持高精度推理、低延迟响应与功耗优化等关键能力的实现；\n3、面向通信业务场景（如网络优化、用户行为建模、无线环境感知等），识别AI/ML系统落地过程中的技术瓶颈，并参与持续学习、稀疏标签建模、意图理解等方向的工程实践；\n4、参与AI/ML Infra的训练与推理系统开发，包括模型训练流水线、推理服务、性能监控与自动化工具建设；\n5、开展通信与AI交叉领域前沿技术的调研工作，助力团队整体技术竞争力提升。",
"requirements_text": "1、本科及以上学历，计算机和通信相关专业；\n2、熟悉至少一种深度学习框架（PyTorch/TensorFlow等），具备基础模型训练与推理经验；有端侧推理、模型压缩或性能优化经验者优先；\n3、对AI/ML Infra、推荐系统、Agentic System、端侧AI或通信智能化方向有强烈兴趣，具备良好的学习能力与问题拆解能力；\n4、通信（GLOBECOM，ICC）或计算机网络（SIGCOMM，INFOCOM）或AI（NeurIPS，ICML）顶会论文发表，或相关核心专利发表者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"深度学习",
"模型训练",
"性能优化",
"学习能力"
],
"preferred_qualifications": "有端侧推理、模型压缩或性能优化经验者优先；4、通信（GLOBECOM，ICC）或计算机网络（SIGCOMM，INFOCOM）或AI（NeurIPS，ICML）顶会论文发表，或相关核心专利发表者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7552737765198514439/detail"
}
]
},
"posting": {
"posting_id": "7552737765198514439",
"post_date": "2025-09-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7552737765198514439/detail"
},
"fulltext": "通信AI/ML Infra工程师-豆包手机助手（北京/深圳）\n职位描述\n1、参与网络和无线通信领域ML机器学习模型和GenAI工具链Infra系统建设；\n2、进行Boost/DNN/RL/LLM等模型在端侧部署与运行优化工作，支持高精度推理、低延迟响应与功耗优化等关键能力的实现；\n3、面向通信业务场景（如网络优化、用户行为建模、无线环境感知等），识别AI/ML系统落地过程中的技术瓶颈，并参与持续学习、稀疏标签建模、意图理解等方向的工程实践；\n4、参与AI/ML Infra的训练与推理系统开发，包括模型训练流水线、推理服务、性能监控与自动化工具建设；\n5、开展通信与AI交叉领域前沿技术的调研工作，助力团队整体技术竞争力提升。\n\n职位要求\n1、本科及以上学历，计算机和通信相关专业；\n2、熟悉至少一种深度学习框架（PyTorch/TensorFlow等），具备基础模型训练与推理经验；有端侧推理、模型压缩或性能优化经验者优先；\n3、对AI/ML Infra、推荐系统、Agentic System、端侧AI或通信智能化方向有强烈兴趣，具备良好的学习能力与问题拆解能力；\n4、通信（GLOBECOM，ICC）或计算机网络（SIGCOMM，INFOCOM）或AI（NeurIPS，ICML）顶会论文发表，或相关核心专利发表者优先。\n1、参与网络和无线通信领域ML机器学习模型和GenAI工具链Infra系统建设；\n2、进行Boost/DNN/RL/LLM等模型在端侧部署与运行优化工作，支持高精度推理、低延迟响应与功耗优化等关键能力的实现；\n3、面向通信业务场景（如网络优化、用户行为建模、无线环境感知等），识别AI/ML系统落地过程中的技术瓶颈，并参与持续学习、稀疏标签建模、意图理解等方向的工程实践；\n4、参与AI/ML Infra的训练与推理系统开发，包括模型训练流水线、推理服务、性能监控与自动化工具建设；\n5、开展通信与AI交叉领域前沿技术的调研工作，助力团队整体技术竞争力提升。\n1、本科及以上学历，计算机和通信相关专业；\n2、熟悉至少一种深度学习框架（PyTorch/TensorFlow等），具备基础模型训练与推理经验；有端侧推理、模型压缩或性能优化经验者优先；\n3、对AI/ML Infra、推荐系统、Agentic System、端侧AI或通信智能化方向有强烈兴趣，具备良好的学习能力与问题拆解能力；\n4、通信（GLOBECOM，ICC）或计算机网络（SIGCOMM，INFOCOM）或AI（NeurIPS，ICML）顶会论文发表，或相关核心专利发表者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}