同花顺代码智能大模型算法工程师
任职要求
1、2026届获得硕士及以上学位，计算机、软件工程、人工智能等专业优先； 2、具有数据建设、指令微调和模型建设经验，具备优秀的代码能力、数据结构和基础算法功底； 3、熟悉大模型训练、RL算法者优先；在大模型领域，发表过论文者优先； 4、出色的问题分析和解决能力，能深入解决大模型训练和应用存在的问题； 5、良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。
工作职责
1、负责代码场景的效果优化，深入研究LLM后训练等相关技术，提高算法准确率和效率； 2、分析业务需求，设计并实现适用于不同场景的算法解决方案，支持产品线在算法方面的需求； 3、持续跟进LLM前沿技术，基于LLM完成在代码领域中的复杂任务。
团队介绍：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 课题介绍： 课题背景：随着大模型技术能力的不断发展，质量测试领域也迎来了新的机遇与挑战。传统测试基本采用手工+部分CR+编写部分核心自动化/单测用例的测试方法，主要受限于自动化/单测用例的生成维护成本、以及人员CR/测试水平的参差，在频繁变化的业务场景下很难实现高质量、全面提效的正向收益，想要全面提质提效，需要彻底改变原有测试技术框架。结合近2年大模型技术的快速发展，特别是近期发布的行业重量级LLM/VLM模型，使测试任务的自动生成、自动执行、效果及代码问题诊断成为可能，同时行业内陆续涌现多款智能化测试的商业产品，这一领域性探索有望彻底改变测试方式形态，实现全智能的AI质量保障新业态。 课题挑战： 1、智能生成：主要包括基于代码&需求文档，自动生成单元测试、功能测试用例，存在对代码、需求文档的理解、泛化推理能力弱，生成内容准确率低； 2、智能执行：主要包括自主智能遍历、测试任务智能执行，主要挑战在测试意图理解的操作路径探索、GUI理解的操作对象定位的高准确性； 3、智能检测：主要包括代码异常、功能效果异常检测，重点在基于上下游UI的异常检测、目标代码片段定位及结合调用链路及业务逻辑的缺陷挖掘的高准召。
团队介绍：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 课题介绍： 课题背景：随着大模型技术能力的不断发展，质量测试领域也迎来了新的机遇与挑战。传统测试基本采用手工+部分CR+编写部分核心自动化/单测用例的测试方法，主要受限于自动化/单测用例的生成维护成本、以及人员CR/测试水平的参差，在频繁变化的业务场景下很难实现高质量、全面提效的正向收益，想要全面提质提效，需要彻底改变原有测试技术框架。结合近2年大模型技术的快速发展，特别是近期发布的行业重量级LLM/VLM模型，使测试任务的自动生成、自动执行、效果及代码问题诊断成为可能，同时行业内陆续涌现多款智能化测试的商业产品，这一领域性探索有望彻底改变测试方式形态，实现全智能的AI质量保障新业态。 课题挑战： 1、智能生成：主要包括基于代码&需求文档，自动生成单元测试、功能测试用例，存在对代码、需求文档的理解、泛化推理能力弱，生成内容准确率低； 2、智能执行：主要包括自主智能遍历、测试任务智能执行，主要挑战在测试意图理解的操作路径探索、GUI理解的操作对象定位的高准确性； 3、智能检测：主要包括代码异常、功能效果异常检测，重点在基于上下游UI的异常检测、目标代码片段定位及结合调用链路及业务逻辑的缺陷挖掘的高准召。
团队介绍：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 课题介绍： 课题背景：随着大模型技术能力的不断发展，质量测试领域也迎来了新的机遇与挑战。传统测试基本采用手工+部分CR+编写部分核心自动化/单测用例的测试方法，主要受限于自动化/单测用例的生成维护成本、以及人员CR/测试水平的参差，在频繁变化的业务场景下很难实现高质量、全面提效的正向收益，想要全面提质提效，需要彻底改变原有测试技术框架。结合近2年大模型技术的快速发展，特别是近期发布的行业重量级LLM/VLM模型，使测试任务的自动生成、自动执行、效果及代码问题诊断成为可能，同时行业内陆续涌现多款智能化测试的商业产品，这一领域性探索有望彻底改变测试方式形态，实现全智能的AI质量保障新业态。 课题挑战： 1、智能生成：主要包括基于代码&需求文档，自动生成单元测试、功能测试用例，存在对代码、需求文档的理解、泛化推理能力弱，生成内容准确率低； 2、智能执行：主要包括自主智能遍历、测试任务智能执行，主要挑战在测试意图理解的操作路径探索、GUI理解的操作对象定位的高准确性； 3、智能检测：主要包括代码异常、功能效果异常检测，重点在基于上下游UI的异常检测、目标代码片段定位及结合调用链路及业务逻辑的缺陷挖掘的高准召。
团队介绍：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 课题介绍： 课题背景：随着大模型技术能力的不断发展，质量测试领域也迎来了新的机遇与挑战。传统测试基本采用手工+部分CR+编写部分核心自动化/单测用例的测试方法，主要受限于自动化/单测用例的生成维护成本、以及人员CR/测试水平的参差，在频繁变化的业务场景下很难实现高质量、全面提效的正向收益，想要全面提质提效，需要彻底改变原有测试技术框架。结合近2年大模型技术的快速发展，特别是近期发布的行业重量级LLM/VLM模型，使测试任务的自动生成、自动执行、效果及代码问题诊断成为可能，同时行业内陆续涌现多款智能化测试的商业产品，这一领域性探索有望彻底改变测试方式形态，实现全智能的AI质量保障新业态。 课题挑战： 1、智能生成：主要包括基于代码&需求文档，自动生成单元测试、功能测试用例，存在对代码、需求文档的理解、泛化推理能力弱，生成内容准确率低； 2、智能执行：主要包括自主智能遍历、测试任务智能执行，主要挑战在测试意图理解的操作路径探索、GUI理解的操作对象定位的高准确性； 3、智能检测：主要包括代码异常、功能效果异常检测，重点在基于上下游UI的异常检测、目标代码片段定位及结合调用链路及业务逻辑的缺陷挖掘的高准召。