职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7593178993274685701

多模态大模型算法实习生-豆包手机助手

未披露 · 北京 · 字节跳动

主分类:大模型与生成式算法研发
算法与数据
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": "多模态大模型算法实习生-豆包手机助手",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "北京",
        "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": "2027届博士学位在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "ByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n团队介绍:我们隶属于产品研发与工程架构部,是字节跳动在智能硬件领域的软件技术攻坚力量—— 聚焦 AI 与智能硬件的深度融合,以 “让人与设备的交互更自然、更便捷” 为目标,探索前沿 AI 技术的落地场景,打造行业领先的智能硬件综合解决方案。\n在这里,你将与一支顶尖技术团队并肩:\n-直击 AI 与硬件结合的核心技术难题,参与从 “技术探索” 到 “场景落地” 的全链路研发;\n-主导或深度参与关键技术突破,用创新定义智能硬件的交互未来;\n-站在行业前沿,将技术理想转化为千万用户可感知的产品体验。\n如果你心怀对技术的热忱,渴望在 AI 与智能硬件的赛道上突破自我、创造价值,我们期待你的加入,与我们一起解锁更多技术可能,共筑智能交互的新生态!\n\n1、支持「豆包手机助手」业务下大模型相关算法需求,包括理解大模型VLM和生成大模型Diffusion,通过数据、Pretrain、Post-Train(SFT、RL)优化,提升大模型在业务场景效果;\n2、跟进VLM、Diffusion相关技术最新发展趋势,探索大模型在AI硬件场景的创新应用。",
        "requirements_text": "1、2027届博士学位在读,计算机、通信、数学等相关专业;\n2、扎实的机器学习CV/NLP/RL基础,有想法且动手能力强,出色的探索能力,在CVPR/ICCVNeurIPS/ICML/ICLR等顶级会议上发表论文者优先;\n3、有多模态大模型或AIGC相关算法经验优先。",
        "skills": [AI生成
            "机器学习",
            "自然语言处理",
            "大语言模型"
        ],
        "preferred_qualifications": "2、扎实的机器学习CV/NLP/RL基础,有想法且动手能力强,出色的探索能力,在CVPR/ICCVNeurIPS/ICML/ICLR等顶级会议上发表论文者优先;3、有多模态大模型或AIGC相关算法经验优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7593178993274685701/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7593178993274685701",
        "post_date": "2026-01-09",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7593178993274685701/detail"
    },
    "fulltext": "多模态大模型算法实习生-豆包手机助手\n职位描述\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n团队介绍:我们隶属于产品研发与工程架构部,是字节跳动在智能硬件领域的软件技术攻坚力量—— 聚焦 AI 与智能硬件的深度融合,以 “让人与设备的交互更自然、更便捷” 为目标,探索前沿 AI 技术的落地场景,打造行业领先的智能硬件综合解决方案。\n在这里,你将与一支顶尖技术团队并肩:\n-直击 AI 与硬件结合的核心技术难题,参与从 “技术探索” 到 “场景落地” 的全链路研发;\n-主导或深度参与关键技术突破,用创新定义智能硬件的交互未来;\n-站在行业前沿,将技术理想转化为千万用户可感知的产品体验。\n如果你心怀对技术的热忱,渴望在 AI 与智能硬件的赛道上突破自我、创造价值,我们期待你的加入,与我们一起解锁更多技术可能,共筑智能交互的新生态!\n\n1、支持「豆包手机助手」业务下大模型相关算法需求,包括理解大模型VLM和生成大模型Diffusion,通过数据、Pretrain、Post-Train(SFT、RL)优化,提升大模型在业务场景效果;\n2、跟进VLM、Diffusion相关技术最新发展趋势,探索大模型在AI硬件场景的创新应用。\n\n职位要求\n1、2027届博士学位在读,计算机、通信、数学等相关专业;\n2、扎实的机器学习CV/NLP/RL基础,有想法且动手能力强,出色的探索能力,在CVPR/ICCVNeurIPS/ICML/ICLR等顶级会议上发表论文者优先;\n3、有多模态大模型或AIGC相关算法经验优先。\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n团队介绍:我们隶属于产品研发与工程架构部,是字节跳动在智能硬件领域的软件技术攻坚力量—— 聚焦 AI 与智能硬件的深度融合,以 “让人与设备的交互更自然、更便捷” 为目标,探索前沿 AI 技术的落地场景,打造行业领先的智能硬件综合解决方案。\n在这里,你将与一支顶尖技术团队并肩:\n-直击 AI 与硬件结合的核心技术难题,参与从 “技术探索” 到 “场景落地” 的全链路研发;\n-主导或深度参与关键技术突破,用创新定义智能硬件的交互未来;\n-站在行业前沿,将技术理想转化为千万用户可感知的产品体验。\n如果你心怀对技术的热忱,渴望在 AI 与智能硬件的赛道上突破自我、创造价值,我们期待你的加入,与我们一起解锁更多技术可能,共筑智能交互的新生态!\n\n1、支持「豆包手机助手」业务下大模型相关算法需求,包括理解大模型VLM和生成大模型Diffusion,通过数据、Pretrain、Post-Train(SFT、RL)优化,提升大模型在业务场景效果;\n2、跟进VLM、Diffusion相关技术最新发展趋势,探索大模型在AI硬件场景的创新应用。\n1、2027届博士学位在读,计算机、通信、数学等相关专业;\n2、扎实的机器学习CV/NLP/RL基础,有想法且动手能力强,出色的探索能力,在CVPR/ICCVNeurIPS/ICML/ICLR等顶级会议上发表论文者优先;\n3、有多模态大模型或AIGC相关算法经验优先。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}