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": "大模型算法实习生(医疗方向)-小荷健康",
"job_level": "实习",AI生成
"work_category": "实习",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": "2027届本科及以上学历在读",
"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:小荷健康团队专注于小荷AI医生业务和抖音/头条医疗搜索业务的相关工程和策略研发,以及小荷健康医疗大模型的研发。我们依托医疗大模型基座的能力,为不同渠道用户提供健康咨询和医疗服务建议能力,助力分级诊疗落地,缓解医患矛盾,缓解优质医疗资源不足且分布不均的问题,并以“为每个中国人/家庭提供一个私人AI医生”为愿景。团队涵盖了前端、客户端、服务端、算法、数据等多个团队。在工程领域我们除了保障业务迭代、性能优化、稳定性工作之外,还会探索先进的跨端技术、适配医疗场景的Agent架构赋能于业务,并积极使用AI Coding提升研发效率。在算法方向,不仅深耕业务全链路策略效果,同时自研的小荷医疗大模型在多个权威医疗Benchmark上达到行业SOTA。\n\n1、负责医疗领域大模型的预训练、SFT、强化训练,模型性能达到业界领先水平;\n2、对模型在业务场景中的效果负责,将模型成功落地应用并在业务中取得实际收益;\n3、调研大模型方向尤其是医疗领域的前沿技术方案,持续提升部门关键技术竞争力。",
"requirements_text": "1、2027届本科及以上学历在读,计算机、软件工程、人工智能等相关专业背景;\n2、优秀的代码能力、数据结构和基础算法功底,熟练掌握C/C++或Python编程语言;\n3、熟悉计算机视觉(CV)相关的算法和技术,对MLLM中模型结构、ViT训练、Detail Caption等方向有深入理论研究和实践;\n4、有自然语言处理(NLP)、大模型训练和强化学习(RL)算法经验者优先。\n\n加分项\n1、有ICML、ICLR、NeurIPS、ACL、CVPR等顶级学术会议发表过有影响力研究成果的优先;\n2、在ACM/ICPC、NOI/IOI、Kaggle等编程/AI比赛获奖者优先;\n3、主导、参与过AI相关的有大影响力的开源/闭源项目的优先。",
"skills": [AI生成
"Python",
"C++",
"强化学习",
"自然语言处理",
"计算机视觉",
"数据结构",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "4、有自然语言处理(NLP)、大模型训练和强化学习(RL)算法经验者优先;加分项;1、有ICML、ICLR、NeurIPS、ACL、CVPR等顶级学术会议发表过有影响力研究成果的优先;2、在ACM/ICPC、NOI/IOI、Kaggle等编程/AI比赛获奖者优先;3、主导、参与过AI相关的有大影响力的开源/闭源项目的优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7597280872802879749/detail"
}
]
},
"posting": {
"posting_id": "7597280872802879749",
"post_date": "2026-01-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7597280872802879749/detail"
},
"fulltext": "大模型算法实习生(医疗方向)-小荷健康\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:小荷健康团队专注于小荷AI医生业务和抖音/头条医疗搜索业务的相关工程和策略研发,以及小荷健康医疗大模型的研发。我们依托医疗大模型基座的能力,为不同渠道用户提供健康咨询和医疗服务建议能力,助力分级诊疗落地,缓解医患矛盾,缓解优质医疗资源不足且分布不均的问题,并以“为每个中国人/家庭提供一个私人AI医生”为愿景。团队涵盖了前端、客户端、服务端、算法、数据等多个团队。在工程领域我们除了保障业务迭代、性能优化、稳定性工作之外,还会探索先进的跨端技术、适配医疗场景的Agent架构赋能于业务,并积极使用AI Coding提升研发效率。在算法方向,不仅深耕业务全链路策略效果,同时自研的小荷医疗大模型在多个权威医疗Benchmark上达到行业SOTA。\n\n1、负责医疗领域大模型的预训练、SFT、强化训练,模型性能达到业界领先水平;\n2、对模型在业务场景中的效果负责,将模型成功落地应用并在业务中取得实际收益;\n3、调研大模型方向尤其是医疗领域的前沿技术方案,持续提升部门关键技术竞争力。\n\n职位要求\n1、2027届本科及以上学历在读,计算机、软件工程、人工智能等相关专业背景;\n2、优秀的代码能力、数据结构和基础算法功底,熟练掌握C/C++或Python编程语言;\n3、熟悉计算机视觉(CV)相关的算法和技术,对MLLM中模型结构、ViT训练、Detail Caption等方向有深入理论研究和实践;\n4、有自然语言处理(NLP)、大模型训练和强化学习(RL)算法经验者优先。\n\n加分项\n1、有ICML、ICLR、NeurIPS、ACL、CVPR等顶级学术会议发表过有影响力研究成果的优先;\n2、在ACM/ICPC、NOI/IOI、Kaggle等编程/AI比赛获奖者优先;\n3、主导、参与过AI相关的有大影响力的开源/闭源项目的优先。\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:小荷健康团队专注于小荷AI医生业务和抖音/头条医疗搜索业务的相关工程和策略研发,以及小荷健康医疗大模型的研发。我们依托医疗大模型基座的能力,为不同渠道用户提供健康咨询和医疗服务建议能力,助力分级诊疗落地,缓解医患矛盾,缓解优质医疗资源不足且分布不均的问题,并以“为每个中国人/家庭提供一个私人AI医生”为愿景。团队涵盖了前端、客户端、服务端、算法、数据等多个团队。在工程领域我们除了保障业务迭代、性能优化、稳定性工作之外,还会探索先进的跨端技术、适配医疗场景的Agent架构赋能于业务,并积极使用AI Coding提升研发效率。在算法方向,不仅深耕业务全链路策略效果,同时自研的小荷医疗大模型在多个权威医疗Benchmark上达到行业SOTA。\n\n1、负责医疗领域大模型的预训练、SFT、强化训练,模型性能达到业界领先水平;\n2、对模型在业务场景中的效果负责,将模型成功落地应用并在业务中取得实际收益;\n3、调研大模型方向尤其是医疗领域的前沿技术方案,持续提升部门关键技术竞争力。\n1、2027届本科及以上学历在读,计算机、软件工程、人工智能等相关专业背景;\n2、优秀的代码能力、数据结构和基础算法功底,熟练掌握C/C++或Python编程语言;\n3、熟悉计算机视觉(CV)相关的算法和技术,对MLLM中模型结构、ViT训练、Detail Caption等方向有深入理论研究和实践;\n4、有自然语言处理(NLP)、大模型训练和强化学习(RL)算法经验者优先。\n\n加分项\n1、有ICML、ICLR、NeurIPS、ACL、CVPR等顶级学术会议发表过有影响力研究成果的优先;\n2、在ACM/ICPC、NOI/IOI、Kaggle等编程/AI比赛获奖者优先;\n3、主导、参与过AI相关的有大影响力的开源/闭源项目的优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}