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": "模型工程技术专家（AI Infra） - 剪映CapCut",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳、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": 5,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：剪映研发团队，主要支持剪映、CapCut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。\n\n1、负责将各类大模型（包括MoE架构、多模态模型及未来超大规模模型）高效部署至生产环境，持续跟踪并集成如vLLM、SGLang、xLLM等先进推理框架，保障新模型能够快速、高性能上线；\n2、深入数据工程与模型蒸馏领域，通过数据合成、特征工程及知识蒸馏（如软标签蒸馏、特征蒸馏）等技术方案，系统性提升数据利用效率、降低模型部署成本，并验证其在业务中的可行路径；\n3、探索并应用创作者Agent等前沿方向，将其能力赋能于训练样本自动合成、Train-Free冷启动及自动化评测等场景，革新传统数据与评估工作流；\n4、对业务模型进行深度的推理性能优化，包括但不限于动态批处理、量化压缩、注意力机制优化等，持续降低服务延迟与资源消耗，并积累超大规模（如万亿参数）模型的部署经验与技术储备；\n5、负责构建和优化大规模模型的强化学习（RL）、监督微调（SFT）及端到端训练的完整工程链路；提升训练流程的稳定性与吞吐量，并设计和复用离线验证与评测链路，为算法团队提供高效的迭代与效果评估环境。",
"requirements_text": "1、扎实的机器技术基础，了解前沿的AI技术，有不错的工程实践经验；\n2、具备5年以上机器学习系统工程经验，其中至少2年专注于大模型相关方向；精通Python，熟练掌握PyTorch深度学习框架，并具备优秀的C++/Linux开发和调试能力；\n3、拥有从零构建或深度改造模型训练/推理管线的成功经验；\n4、具备丰富的GPU集群性能调优与问题诊断经验，熟悉CUDA编程、算子优化及主流推理加速框架（如vLLM，SGLang），能够独立解决内存、通信与计算瓶颈。\n\n加分项：\n1、具备强烈的技术好奇心和自我驱动力，能主动跟踪领域前沿，并将论文、开源项目中的创新点转化为可行的工程方案；\n2、深刻理解分布式训练（如DeepSpeed、Megatron-LM）、模型并行、流水线并行及各种微调技术（全参数、LoRA、QLoRA）的原理与实践。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"CUDA",
"机器学习",
"深度学习",
"模型训练",
"性能调优",
"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/7582263402347956485/detail"
}
]
},
"posting": {
"posting_id": "7582263402347956485",
"post_date": "2025-12-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7582263402347956485/detail"
},
"fulltext": "模型工程技术专家（AI Infra） - 剪映CapCut\n职位描述\n团队介绍：剪映研发团队，主要支持剪映、CapCut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。\n\n1、负责将各类大模型（包括MoE架构、多模态模型及未来超大规模模型）高效部署至生产环境，持续跟踪并集成如vLLM、SGLang、xLLM等先进推理框架，保障新模型能够快速、高性能上线；\n2、深入数据工程与模型蒸馏领域，通过数据合成、特征工程及知识蒸馏（如软标签蒸馏、特征蒸馏）等技术方案，系统性提升数据利用效率、降低模型部署成本，并验证其在业务中的可行路径；\n3、探索并应用创作者Agent等前沿方向，将其能力赋能于训练样本自动合成、Train-Free冷启动及自动化评测等场景，革新传统数据与评估工作流；\n4、对业务模型进行深度的推理性能优化，包括但不限于动态批处理、量化压缩、注意力机制优化等，持续降低服务延迟与资源消耗，并积累超大规模（如万亿参数）模型的部署经验与技术储备；\n5、负责构建和优化大规模模型的强化学习（RL）、监督微调（SFT）及端到端训练的完整工程链路；提升训练流程的稳定性与吞吐量，并设计和复用离线验证与评测链路，为算法团队提供高效的迭代与效果评估环境。\n\n职位要求\n1、扎实的机器技术基础，了解前沿的AI技术，有不错的工程实践经验；\n2、具备5年以上机器学习系统工程经验，其中至少2年专注于大模型相关方向；精通Python，熟练掌握PyTorch深度学习框架，并具备优秀的C++/Linux开发和调试能力；\n3、拥有从零构建或深度改造模型训练/推理管线的成功经验；\n4、具备丰富的GPU集群性能调优与问题诊断经验，熟悉CUDA编程、算子优化及主流推理加速框架（如vLLM，SGLang），能够独立解决内存、通信与计算瓶颈。\n\n加分项：\n1、具备强烈的技术好奇心和自我驱动力，能主动跟踪领域前沿，并将论文、开源项目中的创新点转化为可行的工程方案；\n2、深刻理解分布式训练（如DeepSpeed、Megatron-LM）、模型并行、流水线并行及各种微调技术（全参数、LoRA、QLoRA）的原理与实践。\n团队介绍：剪映研发团队，主要支持剪映、CapCut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。\n\n1、负责将各类大模型（包括MoE架构、多模态模型及未来超大规模模型）高效部署至生产环境，持续跟踪并集成如vLLM、SGLang、xLLM等先进推理框架，保障新模型能够快速、高性能上线；\n2、深入数据工程与模型蒸馏领域，通过数据合成、特征工程及知识蒸馏（如软标签蒸馏、特征蒸馏）等技术方案，系统性提升数据利用效率、降低模型部署成本，并验证其在业务中的可行路径；\n3、探索并应用创作者Agent等前沿方向，将其能力赋能于训练样本自动合成、Train-Free冷启动及自动化评测等场景，革新传统数据与评估工作流；\n4、对业务模型进行深度的推理性能优化，包括但不限于动态批处理、量化压缩、注意力机制优化等，持续降低服务延迟与资源消耗，并积累超大规模（如万亿参数）模型的部署经验与技术储备；\n5、负责构建和优化大规模模型的强化学习（RL）、监督微调（SFT）及端到端训练的完整工程链路；提升训练流程的稳定性与吞吐量，并设计和复用离线验证与评测链路，为算法团队提供高效的迭代与效果评估环境。\n1、扎实的机器技术基础，了解前沿的AI技术，有不错的工程实践经验；\n2、具备5年以上机器学习系统工程经验，其中至少2年专注于大模型相关方向；精通Python，熟练掌握PyTorch深度学习框架，并具备优秀的C++/Linux开发和调试能力；\n3、拥有从零构建或深度改造模型训练/推理管线的成功经验；\n4、具备丰富的GPU集群性能调优与问题诊断经验，熟悉CUDA编程、算子优化及主流推理加速框架（如vLLM，SGLang），能够独立解决内存、通信与计算瓶颈。\n\n加分项：\n1、具备强烈的技术好奇心和自我驱动力，能主动跟踪领域前沿，并将论文、开源项目中的创新点转化为可行的工程方案；\n2、深刻理解分布式训练（如DeepSpeed、Megatron-LM）、模型并行、流水线并行及各种微调技术（全参数、LoRA、QLoRA）的原理与实践。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}