字节跳动LLM算法工程师（AIOps方向）

团队介绍：字节跳动APM（Application Performance Management）团队负责全栈产品（服务端、移动端、前端、跨端）的稳定性与性能质量监控，构建业界领先的可观测性基础设施。团队提供一站式观测平台，满足公司各业务线故障排查、监控及各类稳定性需求。 1、AIOps技术深化：AIOps智能运维方向通过融合统计、机器学习和LLM各类算法，实现智能报警、根因定位等；负责主导时序分析、故障诊断、根因关联推断及日志聚类等算法设计； 2、前沿技术创新应用：负责探索LLM Agent在可观测性、自动化运维中落地应用； 3、算法平台与解决方案落地：负责算法解决方案及平台全流程设计，支持算法应用。

1. 与业务/工程/产品团队配合，面向京东零售业务系统和基础设施高可用需求以及海量数据，参与智能运维系统规划和设计； 2. 深入京东零售智能运维具体场景，包括但不限于软件变更、性能容量、监控告警、应急定位、资金核对、客诉舆情、工单处置等场景，面向实际问题，研发机器学习算法，沉淀平台能力； 3. 跟踪和研究前沿智能运维、机器学习、大模型/智能体等技术方向，推动相关领域技术创新，助力京东业务系统高可靠性。

1.Agent核心框架研发： 负责排障AI Agent的核心框架设计与开发，包括任务规划（Planning）、工具调用（Tool-use）、记忆（Memory）等关键模块，持续提升Agent的自主决策与执行能力； 2.Agent效果评测与迭代： 主导设计并落地Agent自动化评测体系，并基于线上失效案例（如规划错误、幻觉）的深入分析，驱动模型、Prompt及工具链的持续优化； 3.大模型后训练与优化： 负责大模型的后训练流程，包括构建高质量SFT数据集、实施Fine-tuning与RLHF/DPO等优化策略，并建立评测-训练-部署的闭环，持续提升模型在排障领域的专业能力。

1.研发AI驱动的智能运维系统（AIOps），基于机器学习/深度学习实现故障预测、异常检测与根因分析； 2.构建系统资源优化模型，通过AI技术进行性能与资源优化、复杂问题建模与决策与系统自治； 3.探索大模型在数据以及AI系统基础设置以及运维体系的智能化升级，如自动优化、自动化决策； 4.推动AI for System技术落地，持续跟踪领域内前沿算法与工程实践。