字节跳动大模型应用架构工程师-豆包大模型
任职要求
1、熟练掌握Linux环境下的C/C++、Python、Java、Go 中的 1~2 门，扎实的编程能力，优秀的设计和代码思维； 2、对在线架构有丰富的经验和广阔的视野，有对话系统、搜广推推荐系统、大规模机器学习系统经验优先； 3、具有独立解决问题的能力，良好的团队合作精神，具备优秀的复杂问题拆解能力； 4、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力。 加分项： 1、熟悉机器学习、MLSYS 基础知识，了解 LLM 架构原理，有模型能力在业务落地经验； 2、ACM/ICPC、NOI/IOI、Top Coder 等比赛获奖； 3、分布式系统设计优化经验。
工作职责
字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、负责 LLM 在 toC 应用落地，提供多 tool (联网、文件识别、代码沙盒等) 与多模型的动态编排能力，不断优化架构可扩展性，帮助豆包、Coze、猫箱等业务不断快速增长； 2、与不同 LLM 算法同学紧密协作，探索复杂服务能力，如WebGPT、FunctionCall、Agents、AssistantAPI、图像/语音多模态等，追进前沿的研究成果； 3、设计并实施全流式通信的 LLM 应用架构，与国内最大规模的 LLM 高性能推理服务联动实现端到端最佳的性能和资源能效，不断提升高并发高吞吐在线系统的健壮性。
字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、负责 LLM 在 toC 应用落地，提供多 tool (联网、文件识别、代码沙盒等) 与多模型的动态编排能力，不断优化架构可扩展性，帮助豆包、Coze、猫箱等业务不断快速增长； 2、与不同 LLM 算法同学紧密协作，探索复杂服务能力，如WebGPT、FunctionCall、Agents、AssistantAPI、图像/语音多模态等，追进前沿的研究成果； 3、设计并实施全流式通信的 LLM 应用架构，与国内最大规模的 LLM 高性能推理服务联动实现端到端最佳的性能和资源能效，不断提升高并发高吞吐在线系统的健壮性。
团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、团队负责公司大模型的研发和应用，研究相关技术在搜索、推荐、广告、创作、对话和客服等领域的全新应用和解决方案，满足用户不断增长的智能交互需求，全面提升用户在未来世界的生活和交流方式；主要工作方向包括： 1）优化&创新RLHF算法训练效率与模型泛化能力； 2）Long CoT技术的实现和应用； 3）多模态大模型（文本、图像、语音）的Posttraining算法； 4）构建高质量、多领域的数据合成方法； 5）探索LLM在情感对话、创作等场景的应用。
团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、团队负责公司大模型的研发和应用，研究相关技术在搜索、推荐、广告、创作、对话和客服等领域的全新应用和解决方案，满足用户不断增长的智能交互需求，全面提升用户在未来世界的生活和交流方式；主要工作方向包括： 1）优化&创新RLHF算法训练效率与模型泛化能力； 2）Long CoT技术的实现和应用； 3）多模态大模型（文本、图像、语音）的Posttraining算法； 4）构建高质量、多领域的数据合成方法； 5）探索LLM在情感对话、创作等场景的应用。
1、深入探索LLM在搜索场景中的推理能力与深度研究（Deep Research）模式，优化信息整合与总结效果，打造高效、精准的智能搜索产品，推动AI技术在实际应用中的突破； 2、AI搜索总结Agent研发： 1）设计并实现基于LLM的搜索总结Agent，提升搜索结果的理解、推理与结构化总结能力； 2）探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合； 3）构建端到端系统，涵盖意图识别、知识检索、结果生成与偏好对齐，提升用户体验； 3、模型优化及应用： 1）通过指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术优化模型在搜索场景的适应性； 2）探索多模态信息（文本、代码、结构化数据）融合的搜索与生成技术； 3）研究未来生活中的创新应用场景（如个性化知识助手、自动化研究工具），探索技术边界。