TCL算法开发实习生
任职要求
1、教育背景:本科以上硕士优先 2、工作经验:最好有实习经验 3、必备技能 (1). 本科及以上学历, 计算机科学、人工智能、机器人等相关领域,具备扎实的机器学习、 深度学习、强化学习理论基础 (2)熟悉Python、Java等至少一种编程语言,具有良好的编程能力和扎实的数学理论基础 (3)持续关注算法前沿,对传统NLP、大语言模型、图像处理、多模态生成等至少一个方向技术有研究和持续的热情。 (4) 每周全职工作五天,保证实习至少3个月。 (5)关注行业前沿进展,对技术开发及应用有热情,有自己的想法并乐于挑战自我。 (6) 善于团队协作与沟通, 具有良好的沟通能力,能与协作方高效沟通 (7) 热爱技术,有强烈的学习意原和自我驱动力,关注技术前沿动态,积极主动探索新技术并应用于实际工作 4、加分技能:具备语音助手实习经历优先
工作职责
1 数据分析:负责业务开发相关的数据分析, 能够独立完成数据洞察,找到优化和迭代方向。(10%) 2 数据采集:负责算法开发前的数据采集和优化工作。(20%) 3 算法开发:深入理解业务需求,参与模型的开发和验证工作,确保算法的高性能、高可用、高扩展性,满足业务快速发展的需求 (50%) 4 模型部署:负责所开发的模型部署工作,降低故障率,保障业务的稳定运行(20%)
ByteIntern:面向2026届毕业生(2025年9月-2026年8月期间毕业),为符合岗位要求的同学提供转正机会。 团队介绍:TikTok是一个覆盖150个国家和地区的国际短视频平台,我们希望通过TikTok发现真实、有趣的瞬间,让生活更美好。TikTok在全球各地设有办公室,全球总部位于洛杉矶和新加坡,办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队,旨在实现TikTok业务的研发工作,搭建及维护业界领先的产品。加入我们,你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景,支持产品在全球赛道上高速发展;也能接触到包括服务架构、基础技术等方向上的技术挑战,保障业务持续高质量、高效率、且安全地为用户服务;同时还能为不同业务场景提供全面的技术解决方案,优化各项产品指标及用户体验。 在这里, 有大牛带队与大家一同不断探索前沿, 突破想象空间。 在这里,你的每一行代码都将服务亿万用户。在这里,团队专业且纯粹,合作氛围平等且轻松。目前在北京,上海,杭州、广州、深圳分别开放多个岗位机会。 1、参与代码大模型(Code LLM)的训练、微调,研究方向包括但不限于:代码生成、补全、翻译的模型训练与调优;基于RAG(检索增强生成)的代码知识库构建与应用;强化学习(RL)在代码生成中的对齐优化(如PPO、GRPO); 2、Agent技术在软件工程和研发场景的应用; 3、复现前沿论文和方法。
日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍:TikTok是一个覆盖150个国家和地区的国际短视频平台,我们希望通过TikTok发现真实、有趣的瞬间,让生活更美好。TikTok 在全球各地设有办公室,全球总部位于洛杉矶和新加坡,办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队,旨在实现TikTok业务的研发工作,搭建及维护业界领先的产品。加入我们,你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景,支持产品在全球赛道上高速发展;也能接触到包括服务架构、基础技术等方向上的技术挑战,保障业务持续高质量、高效率、且安全地为用户服务;同时还能为不同业务场景提供全面的技术解决方案,优化各项产品指标及用户体验。 在这里, 有大牛带队与大家一同不断探索前沿, 突破想象空间。 在这里,你的每一行代码都将服务亿万用户。在这里,团队专业且纯粹,合作氛围平等且轻松。目前在北京,上海,杭州、广州、深圳分别开放多个岗位机会。 1、CodeLLM相关前沿技术的研究与模型训练; 2、CodeLLM在TikTok业务的落地。
核心目标 面向宠物陪伴机器人产品,独立负责或深度参与宠物叫声分类与行为识别模型的研发、训练与轻量化部署,为产品提供核心AI感知能力,构建技术壁垒。 --- 工作职责 1. 宠物声音信号处理与分类模型研发(70%) - 基于开源数据集,构建与清洗大规模宠物(犬/猫)叫声数据集,进行音频预处理(降噪、分割、特征提取等)。 - 研发并训练轻量级深度学习模型(如CNN, Transformer等)对叫声进行精细化分类(如:兴奋、焦虑、乞食、警戒、玩耍邀请等)。 - 探索不平衡样本学习策略,以解决特定类别叫声数据稀缺的问题。 2. 宠物视觉行为识别模型研发(10%) - 处理宠物行为视觉数据,探索基于视觉的宠物行为识别模型(如3D CNN, TSN, SlowFast等)。 - 实现细粒度行为识别(如:坐、卧、摇尾、刨地、舔舐、伸懒腰等),并探索行为模式。 - 探索轻量化的实时检测模型,以满足终端设备的算力约束。 3. 模型优化与部署(10%) - 将优化后的模型部署到边缘设备(如RK3588,X3等)或手机APP端,并实现性能基准测试。 - 编写高质量的模型部署代码和接口,供上层应用调用。 - 参与轻量级模型的剪枝、量化等优化工作。 4. 自主研究与创新(10%) - 紧跟学术界与工业界最新进展,持续探索能提升模型性能的新方法、新网络结构。 - 针对产品遇到的特定挑战(如环境噪声干扰、品种差异、多宠物场景),提出并验证有效的技术解决方案。