字节跳动原型验证工程师-Data（杭州）

团队介绍：Data AML是字节跳动的机器学习中台，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。 1、负责豆包模型AIGC相关技术的研究和开发，包括图像、视频或3D生成&编辑等，探索基于扩散和自回归的技术路线，以实现高质量的输出； 2、解决生成视频/图像中的时间一致性、空间连贯性和可控性等核心研究难题； 3、紧跟生成方向（扩散模型、Transformer、生成对抗网络等）的最新研究动态，并对创新想法进行原型验证； 4、依托公司和业界的大模型和基础CV技术，构建面向ToB业务应用的多模态算法能力，帮助业务取得成功。

1. AI数据资产体系建设：负责核心AI数据资产体系，结合业务需求与数据算法能力，主导大数据的处理、解析、分析、挖掘、研发及优化工作。 2. 合成数据与数据多样性：主导结合场景的合成数据多样性生产： 探索基于 AI 模型的合成数据技术，主动解决特定领域（如逻辑推理、长尾语种）的数据稀缺问题。 3. 基于大模型做特征筛选、小模型蒸馏、小模型效果评估，主导欺诈评分等能力建设上。 4. 数据驱动的生产闭环：基于评测/资产结论，将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。 5. 持续跟踪及探索Data + AI方向的行业进展（如Data Agent、AIOps、湖仓一体智能优化等），主动开展技术预研与原型验证，推动先进技术在公司中的适配与规模化应用。

1，设计和实现开创性的 continual pretraining、mid-training/post-training 算法，在 continual learning (on-policy distillation, self distillation, rft, etc)、data mixture modeling等方向上实现基座模型特定能力真实、显著的提升，支持新一代旅行消费应用的诞生。 2，高质量合成数据建设，通过研发自动化数据生产算法和pipeline，支持模型能力持续提升。 3，构建科学、严谨的算法评测体系，量化模型真实能力、建立算法指标和下游应用效果的关联。 4，跟进领域前沿、掌握领域发展趋势。

1，设计和实现开创性的 continual pretraining、mid-training/post-training 算法，在 continual learning (on-policy distillation, self distillation, rft, etc)、data mixture modeling等方向上实现基座模型特定能力真实、显著的提升，支持新一代旅行消费应用的诞生。 2，高质量合成数据建设，通过研发自动化数据生产算法和pipeline，支持模型能力持续提升。 3，构建科学、严谨的算法评测体系，量化模型真实能力、建立算法指标和下游应用效果的关联。 4，跟进领域前沿、掌握领域发展趋势。