字节跳动AIGC算法实习生-国际商业化产品与技术

ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：国际商业化产品与技术团队支持字节跳动国际产品的广告产品与变现技术。我们负责end2end的大型广告系统建设，为客户提供商业推广方式与方案。我们的团队遍布北京、上海、美国、新加坡等地，在这里你将有机会开阔自己的国际化视野，接触到全球领先的商业产品架构、模型和算法，并有机会参与并推动互联网广告行业的创新和变革。 1、负责T2V、T2I、LLM、MultiModal-LLM等模型的效率优化，包括但不限于模型蒸馏、裁剪、量化、算子优化、链路设计等结合业务需求，将GPU性能发挥到极致； 2、探索极致的视频生成效果与视频生成性能，打造近实时的视频生成系统，并支持相关技术在数字人、商品视频等场景落地，赋能商业化场景创意制作及优化； 3、参与GPT&Diffusion等生成式模型相关算法研发与优化，跟进计算机视视觉和自然语言处理领域的前沿技术研究。

Bravo 102是由阿里国际技术全团队共同发起的全球顶尖技术人才孵化计划，打破传统人才选拔及培养框架，为有志于走向AI未来的技术新锐们，提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里，“我”将不被岗位定义，以能力选择业务战场，与全球顶尖团队并肩作战，沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们，成为AIDC首批102位Bravo Talent，一起掌舵AI，为我们的未来Bravo！ 关于我们： 我们希望利用 AI 技术让每个人都能够轻松、便捷地享受全球优质的商品和服务，推动商业活动更加高效、可持续，为社会未来的发展带来更多可能性。 数据团队立足中国、服务全球，每天处理覆盖东南亚、欧洲、美洲等多时区的跨境数据洪流，在多语言、多文化、多法规的复杂场景中，打造“数据&AI技术驱动业务”的全球化数据中台，打造亿级跨境数仓平台，攻克多时区同步与数据合规难题；运用 AI 模型优化流量分配与智能诊断，推动决策AI化转型；沉淀算法能力为 AI 产品，直达业务价值；保障双十一级洪峰响应，为全球消费者营造流畅的购物体验； 欢迎加入我们一起构建强大的数据中台和智能决策支持系统！ 职位描述： 1、驱动阿里国际数字商业板块业务增长，构建 AIDC 100多个国家数据运营资产体系； 2、建设本地化市场洞察和机会发现能力，帮助业务全方位了解行业动态，挖掘商业机会； 3、承担设计和建立产品/业务的指标体系，能够科学地跟踪和指导业务的发展； 4、参与构建海外 ToB/ToC 电商用增、供应链&物流、商品等行业的数据智能化应用解决方案，驱动业务获得增量价值； 5、参与构建企业级 Data Agent，融合 LLM 与业务数据打造智能决策大脑；

AI Business成立于2023年4月，是阿里国际数字商业集团设立的一层业务组织，专注于AI技术能力建设和AI产品能力输出，旨在用最先进的AI技术重塑平台竞争力，为商家和用户带来极致的电商体验。 作为跨境电商领域的AI先锋，我们坚定地相信人工智能对塑造未来电商的关键作用，并坚持对AI领域人才的培养和发展。我们已经汇聚了业内顶尖的AI算法专家、AI工程师和AI产品团队，并诚挚邀请有共同使命感、追求创新与卓越的AI人才加入我们的团队，共同用AI技术书写数字商业领域的新篇章。 1、应用各类机器学习方法为大模型训练提供高质量训练数据，包含文本、图片、视频、音频等数据类型，探索基于AIGC的数据合成技术，不断提升数据对大模型上表现的贡献，追逐Data-centric AI的数据技术能力 2、建设跨境电商领域的Knowledge Base，从而构建服务阿里跨境电商的RAG、AI Agent 3、在通用BenchMark、业务领域BenchMark基础上，建设大模型自动化评测能力，通过模型评测进行科学数据供给和大模型训练

关于我们： AI Business 成立于2023年4月，是阿里国际数字商业集团设立的一层业务组织，专注于大模型技术能力建设和 AI 原生应用和产品的打造，旨在用最先进的 AI 技术重塑平台竞争力，为商家和用户带来极致电商体验。 作为跨境电商领域的 AI 先锋，我们坚定地相信人工智能对塑造未来电商的关键作用，并坚持对 AI 领域人才的培养和发展。我们已经汇聚了业内顶尖的 AI 算法专家、AI 工程师和AI产品团队，并诚挚邀请有共同使命感、追求创新与卓越的 AI 人才加入我们的团队，共同用AI技术书写数字商业领域的新篇章。 职位描述： 1、负责多语言大语言模型（LLM）的预训练、微调及优化，探索高效训练策略（如低资源语种能力迁移、任务调度优化等），提升模型性能与跨文化场景适应性； 2、构建多模态大模型技术体系，包括图文生成、视频内容生成、多模态检索与信息抽取，支持商品虚拟试穿、智能客服等业务场景。 3、推动大模型与业务深度融合，开发基于LLM的对话系统、Agent产品及RAG系统，优化电商文本生成、跨语言信息匹配、时间序列预测等场景的智能决策能力； 4、设计强化学习对齐算法（如RLHF/DPO），提升模型在垂直领域（如商品推荐、用户交互）的精准度与可控性。 4、实现大模型的高效推理部署，包括模型压缩量化、GPU并行计算优化（如CUDA加速），确保高并发场景下的服务稳定性； 5、探索生成式AI与电商场景结合的前沿技术（如AIGC内容生成、多模态商品检索），推动技术规模化落地。