TCL数据分析 Agent 工程师
任职要求
1. 本科及以上学历，海外知名高校留学经历、参与过国际前沿 AI 研究项目、有顶会论文或跨学科教育背景（如计算机与数学交叉）者优先；
2. 具备创新创业人才特质；
3. 具有极强的抗压能力和同理心，富有责任心与执行力。工作职责
1. 大模型研发与调优：独立设计、开发适用于 OTT 推荐系统、AI agent 的大模型，通过参数调整、轻量化压缩、多模态融合等技术优化模型性能，降低计算资源消耗； 2. 推荐系统算法优化：基于协同过滤、深度学习推荐模型（如 DIN、DeepFM 等），结合 OTT 业务场景优化推荐策略，提升内容推荐的精准度、多样性及用户点击率、留存率； 3. AI agent 开发落地：设计 AI agent 架构与智能交互策略，实现自然语言处理、任务执行、多轮对话等功能；通过强化学习提升其自主决策与学习能力，适配 OTT 场景服务需求； 4. AI 硬件算法适配：针对第二曲线 AI 硬件（如智能电视芯片、边缘计算设备），优化 AI 算法与硬件特性的结合，提升模型部署与运行效率，充分利用硬件资源； 5. 跨部门协作推进：协调研发、算法、设计、运营等跨部门资源，推动 AI 产品全流程开发，通过项目会议同步进展、解决问题，确保产品按时高质量交付； 6. 行业生态与商业探索：跟踪 AI 行业前沿动态与技术趋势，整合内外部资源，探索 AI 产品的新商业模式与应用场景，提升产品市场竞争力与商业价值。
-开发自动化评测框架：参与开发和维护Agent的自动化评测框架，实现对大模型多维度能力的自动化量化评估； -数据处理与结果分析： 处理模型运行结果数据，进行细致的数据分析，洞察agent在不同任务、不同场景下的表现，并识别其优势与不足； -撰写评测报告：基于分析结果，撰写清晰、专业的agent能力评测报告，为研发团队提供有力的决策支持； -参与构建benchmark，参与发表顶会论文，增加团队开源影响力；
团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 随着人工智能技术的快速发展，大模型技术在交易与广告场景中的应用日益广泛，已成为推动行业创新和效率提升的重要驱动力。大模型凭借其强大的学习能力和泛化性能，在多个领域展现出显著优势。例如，推荐大模型能够精准捕捉用户偏好，提升个性化推荐效果；AIGC（AI-Generated Content）技术可用于广告创意、商品图片和视频生成，大幅降低创作成本并提升内容质量；广告投放诊断系统和诊断助手帮助优化投放策略；智能客服、影片智能剪辑、智能导购、大模型审核、用户序列建模以及多模态广告和用户理解等应用，则通过自然语言处理、多模态数据融合等技术，提升用户体验和业务效率。 然而，交易与广告场景对大模型系统的要求极高，不仅需要模型具备出色的精度和泛化能力，还需在实时性、稳定性、可扩展性等方面满足严苛标准。特别是在大规模分布式训练、推理加速、异构硬件支持、多模态数据处理以及系统集成等方面，存在诸多技术难点。因此，针对交易与广告场景研发和优化大模型系统，不仅是人工智能技术发展的前沿方向，也是行业应用的迫切需求。本课题旨在通过系统和工程领域的深入研究，突破关键技术瓶颈，构建高效、稳定、可扩展的大模型解决方案，为交易与广告场景提供强有力的技术支撑。 课题挑战： 1、大规模分布式训练加速：大模型训练需处理海量数据和高复杂度计算，导致训练耗时长、资源需求大。如何优化分布式训练架构，提升数据并行、模型并行和流水线并行的效率，是首要技术难题。 2、推理加速和性能优化：交易与广告场景对实时性要求极高，如广告投放需毫秒级决策。如何在资源受限环境下通过模型压缩和推理引擎优化实现快速推理，是关键挑战。 3、异构硬件支持：大模型需适配多种硬件平台。如何实现高效部署和负载均衡，确保跨硬件精度一致性和高性能，是技术难点。 4、编译优化：编译优化是过程复杂，如何开发高效编译器，优化长尾/灵活模型或结构在不同Accelerator执行效率并减少延迟，是亟待解决的问题。 5、Agent工程：智能客服和导购等应用需构建自主决策的AI Agent。如何设计高效的Agent系统，支持复杂任务执行，是前沿挑战。 6、强化学习框架：强化学习在广告投放优化等场景中潜力巨大。如何构建高效框架，支持大规模环境训练和推理，是研究难点。 课题内容： 1、大规模分布式训练加速技术 1）研究数据并行、模型并行和混合并行算法，优化训练效率； 2）开发自适应负载均衡机制，减少资源浪费； 3）探索梯度压缩和通信优化技术，降低网络开销； 2、推理加速与性能优化方法 1）研究模型压缩技术（如量化、剪枝），减小模型体积； 2）开发高效推理引擎，支持批量推理和异步处理； 3）针对不同Accelerator的架构加速推理过程； 3、异构硬件支持与优化 1）设计通用部署框架，支持多硬件无缝集成； 2）开发硬件感知调度算法，优化任务分配； 3）研究跨硬件模型迁移技术，确保精度一致； 4、编译优化技术 1）深入优化模型编译器，优化长尾场景的计算开销； 2）研究图优化和算子融合技术，减少计算开销； 3）探索动态优化方法，提升运行时效率； 5、Agent工程与实现 1）设计模块化Agent架构，支持任务分解和决策； 2）开发多模态交互技术，提升用户体验； 3）研究Agent训练与评估方法，优化复杂场景性能； 6、强化学习框架构建 1）开发高效强化学习算法，支持多智能体协作； 2）针对交易与广告场景的训练场景优化训练速度，提升迭代效率； 3）探索强化学习在广告投放中的应用，提升决策效果。
1、参与Data Agent for Analysis开源项目的研发与维护，内外协同推进Data Agent for Analysis能力持续升级； 2、参与设计与持续迭代用于数据分析任务的Benchmark集合以及评估方法； 3、策划与推动开源生态战略与活动，通过技术传播与开源共建、技术合作等机制，推进提升字节跳动Data Agent技术的行业影响力； 4、跟进AI Agent生态的技术发展，推进新技术的引入与落地，持续保持技术的先进性与领先性。
汽车业务中心：主要负责高德车载导航和高级辅助驾驶地图服务等，“人车共导”，实现车道级导航,助力广大车厂实现智能导航和智能辅助驾驶的突破。 职位描述： 1、主导AI项目的技术探索和可行性分析，负责方案设计、开发、测试和上线维护的整个技术生命周期。 2、需深刻洞察业务目标，制定最有效的技术策略，并应用先进的AI/AIGC技术解决实际业务问题。 3、负责对现有AI产品进行性能调优和功能增强，从而提高整体业务运作的效率和质量。 4、保持对国内外AI技术发展和应用场景的前瞻性关注，主动发掘并驱动AI技术在本业务领域的优化升级与创新实践。