字节跳动多模态算法实习生-Data AML
任职要求
1、本科及以上学历在读，计算机相关专业优先； 2、在CV/NLP/多模态等一个或者多个方向有深入的研究，包括但不限于了解LLM相关技术、CV预训练技术、表征学习相关技术、多模态融合等相关技术领域； 3、在搜索、推荐、广告、内容理解等场景有实际落地项目经历优先； 4、具有良好的前沿英文文献的阅读能…
工作职责
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：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、从事多模态和推荐广告结合研究，提升短视频/图文的理解能力； 2、参与抖音、今日头条等多个应用内的多模态内容理解的算法迭代与持续优化； 3、深入调研多模态前沿技术，与工程团队密切配合，探索在大算力场景下实现新算法的效果突破。
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：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、从事多模态和推荐广告结合研究，提升短视频/图文的理解能力； 2、参与抖音、今日头条等多个应用内的多模态内容理解的算法迭代与持续优化； 3、深入调研多模态前沿技术，与工程团队密切配合，探索在大算力场景下实现新算法的效果突破。
ByteIntern：面向2025届毕业生（2024年9月-2025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：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、参与研发前沿算法，发表国际顶级论文、申请专利； 2、深入调研和关注多模态/NLP/CV等方向的前沿技术，应用解决业界实际问题的机会以及经验； 3、良好的团队氛围，丰富的计算和数据资源。
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：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、AML负责给字节跳动提供大规模机器学习的算力，算法团队负责探索大算力与算法和应用如何结合，例如文本/ID生成式推荐、模型Scaling Law、用户超长序列端到端建模等； 2、参与抖音、今日头条等产品中机器学习算法应用与优化，包括推荐、广告、多模态等需要利用大量算力的地方； 3、和工程团队密切配合，探索新的架构下新的算法。
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：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、AML负责给字节跳动提供大规模机器学习的算力，算法团队负责探索大算力与算法和应用如何结合，例如文本/ID生成式推荐、模型Scaling Up、用户超长序列端到端建模等； 2、参与抖音、今日头条等产品中机器学习算法应用与优化，包括推荐、广告、多模态等需要利用大量算力的地方； 3、和工程团队密切配合，探索新的架构下新的算法。