字节跳动资深大模型算法工程师/研究员-软件开发方向
任职要求
1、本科及以上学历，计算机、物理、数学、统计学或相关专业； 2、在相关算法领域有深入研究，包括但不限于：多智能体系统、强化学习、Test-Time Compute、RAG、知识图谱、自动提示工程、数据合成、多模态融合等； 3、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯； 4、工作中目标明确、计划性强，具有不惧困难、刨根问底的实验科学精神，对AI应用有强信念，追求实际效果。 加分项： 1、在代码生成、自动化测试、强化学习等相关领域有深度参与的项目经验； 2、ACM竞赛奖项、软件开发实操经验； 3、顶会论文、算法比赛奖项。
工作职责
1、负责自动化软件开发领域中的AI应用，利用前沿算法和工程技术，持续突破各环节能力天花板，维持国际领先水平； 2、与产品研发和标注团队协作，持续建设和应用高质量代码数据，完善业务数据飞轮，保持长期竞争力； 3、前沿算法技术的持续跟踪和创新，包括但不限于代码生成、多智能体系统、强化学习、数据合成等领域。
方向一： 岗位职责 面向应用商店、Agent助手、搜索、广告等高价值业务场景，预研和落地信息检索(搜索、推荐、广告)核心技术，岗位职责包括但不限于： 1.针对冷启动推荐、多场景多任务建模、自动特征工程、用户通用表征、多模态信息检索、对话推荐、端云推荐、检索增强生成(RAG)、智能体检索等核心难题，负责研发和突破信息检索关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 方向二： 岗位职责 面向Agent助手、搜索、广告、应用商店等高价值业务场景，预研和落地智能体检索和推理大模型(r1/o1/o3)核心技术，岗位职责包括但不限于： 1.针对大推理模型(r1/o1/o3)、端侧大模型、多模态信息检索、AI搜索推荐、检索增强生成(RAG)、个性化内容生成、大模型特征生成等核心难题，负责研发和突破关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、用户助手业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
前沿探索： 跟踪和研究多模态学习、大语言模型（LLMs）、视觉基础模型等领域的最新进展（如 Transformer、Diffusion Models、VLP等）。 模型构建： 参与多模态基础模型的核心架构设计与实现，探索如何高效融合文本、图像、音频等多源信息。 能力攻坚： 重点攻克并提升模型在特定维度的基础能力，包括但不限于： 视觉文本理解： 提升复杂场景下的文字识别（Scene Text Recognition）与光学字符识别（OCR）的精度和鲁棒性。 布局与结构感知： 让模型理解文档、网页、UI界面的布局结构，实现精准的信息提取与问答。 空间关系推理： 训练模型理解图像/视频中物体之间的方位、遮挡、从属等空间关系。 实验与优化： 设计和执行大规模的深度学习实验，对模型进行训练、评估和迭代优化，并分析实验结果，沉淀技术方案。 协作共创： 与团队中的顶尖科学家和资深工程师紧密合作，共同解决研究与工程中的挑战。
主导SHEIN在全球业务中的应用安全建设，特别是在AI与传统应用安全融合的前沿阵地。 1、进化安全开发生命周期 (SDL) 你将负责SDL流程的持续优化与落地，并前瞻性地将AI安全（AI-Sec）标准融入其中，确保从传统应用到AI模型的每一个环节都具备原生的安全基因。 2、构建“智能驱动”的自动化安全防御体系 (DevSecOps) 你将设计和推动DevSecOps工具平台的建设，不仅要将SAST、DAST、IAST等工具深度集成至CI/CD，更要探索利用AI技术提升漏洞发现的精准度和效率，打造下一代自动化安全闭环。 3、开拓AI应用安全的蓝海 负责公司各类AI/ML应用（如AIGC、推荐系统、大语言模型应用）的安全评估与加固，研究并防御针对AI模型的特有攻击（如提示词注入、数据投毒、模型窃取等），制定并推行SHEIN的AI安全开发规范。 4、成为研发团队的“安全领航员” 与SHEIN全球的顶尖研发团队（包括算法和工程团队）紧密协作，作为他们最信赖的安全专家，提供从传统应用到AI应用的全方位安全指导，提升整个技术团队的安全认知和实战水平。
1、参与并负责电商C端大模型应用落地，打造服务亿级用户的AI明星产品； 2、通过LLM不断提升对电商人、货、场的理解，构建AI友好化的电商数据基建，持续沉淀电商领域知识； 3、围绕业务场景进行模型训练或微调，制定和实施LLM评估方案，确保模型效果与性能达到业务要求； 4、与产品、工程、数据团队密切合作，推动项目的实施与落地，确保算法的有效性和可用性； 5、关注大模型前沿技术，跟进业内最新研究进展和应用趋势，为电商C端业务带来更多创新实践思路和方向。