字节跳动AIGC模型推理引擎工程师-智能创作（北京/上海/杭州/深圳）

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、负责AIGC创作平台（MaaS）开发，包括但不限于：模型体验、Comfy推理引擎、AI自动工程化、智能运维与流量治理等，与团队共同打造AI全生命周期的技术中台。 2、负责高质量的设计和编码及系统稳定性优化； 3、参与系统瓶颈问题专项治理，解决系统高并发、大数据等问题，提高系统稳定性； 4、参与新技术的调研和落地。

团队介绍：Ads core-creative支持字节中国区商业化广告的创意生态、创意生产、创意个性化分发产品的核心算法能力建设，覆盖抖音、头条系（头条、西瓜、番茄等）、穿山甲的等流量场景的创意优化。 动态创意作为自动化投放系统（UB max）的核心能力之一，通过多模态大模型实现更智能的创意生产和投放。AIGC技术的爆发推动全新的创意生产和投放模式，相比传统的依赖先验知识、通过启发式探索的方式，端到端生产和投放的模式符合广告投放目标且能帮助客户跑量的创意。 1、构建下一代创意生产-投放AI Agent： 1）基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案/图像到视频的全模态创意AIGC； 2）针对商业化各场景定制化训练和优化模型，提升模型在各素材中的生产效率、素材质量、多样性，逐步接近人类生产水平； 3）建立近实时反馈的创意进化飞轮，构建近线反馈的素材生产模式+自动化投放，实现广告创意的动态化、个性化生产和投放，最终提升广告的变现效率； 2、大模型能力面向场景定制化： 1）围绕商业化多样性目标，构建鲁邦、防Kacking的Rewardmodel，指导生成模型实现对业务收益的优化； 2）构建基于多模态的推理模型，能够直接推理学习高跑量创意的原因，并结合生成模型生成多模态素材。

团队介绍：内容消费行业客户主要的生意模式是生产可消费内容，在用户观看内容时候，通过用户付费和向用户透出广告来产生利润，通过 AIGC 能力制作优质广告视频进行自动化投放，提升客户素材的ROI和跑量能力，同时给平台广告收入做贡献。 1、基于大模型构建文本-图像-视频跨模态创作引擎，实现从文案、图像到视频的全模态创意AIGC； 2、针对商业化短剧和漫画短剧场景定制化训练和优化模型，提升素材生产效率、素材质量，包括不限于迭代Reward Model指导生成模型生成多模态素材提升广告体验和转化率等； 3、通过自动化投放，打通AIGC创意的动态个性化生产，最终提升广告的变现效率。