字节跳动多模态大模型算法实习生-电商业务
任职要求
1、2026届本科及以上学历在读，计算机相关专业优先； 2、在NLP算法、多模态算法、大模型训练和应用、搜索推荐、知识图谱等领域有实际的开发和从业经验者优先； 3、有好奇心，喜欢新事物，善于合作，有创新精神，有一定的抗压能力； 4、至少熟悉一门计算机编程语言，包括但不限于C/C++/Java/Go/Python； 5、有高水平论文的优先，包括但不限于ACL、EMNLP、COLING、WWW、AAAI等； 6、实践动手能力强，ACMICPC、NOI/IOI、Top Coder、Kaggle比赛获奖者优先。
工作职责
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：Data-电商-知识图谱团队，通过实体挖掘、关系抽取、知识融合等技术手段，将海量的非结构化文本进行结构化建模，构建起了大规模的电商知识图谱，支持电商业务的发展；同时，结构化的电商知识也能融入大规模的预训练模型，进一步提升在各个下游任务上的性能。我们利用这些前沿的NLP技术落地到图谱构建和下游的多个业务场景：商品/短视频分类和属性识别、评价情感分析、短标题生成等。此外，为支持国际化电商业务发展，在多语言、低资源等诸多新挑战下，我们积极探索利用跨语言迁移提升目标语言的模型、利用知识迁移去缓解低资源场景下的标注数据稀缺难点等课题，助力国际化电商知识图谱的快速建设，为业务的蓬勃发展提供助力。 1、构建和维护高质量的电商行业文本和多模态数据集，不断优化数据质量和丰富度，沉淀电商行业的高价值信息； 2、针对业务需求进行电商行业LLM和多模态LLM的继续训练（CT）、有监督微调（SFT），提升模型在电商场景下的表现； 3、制定和实施LLM的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 4、通过LLM不断优化针对电商场景人货场的理解和生成能力，包括：商品信息识别、视频内容理解、用户兴趣挖掘、商品文案生成、导购素材生成等等； 5、通过LLM和上述能力，支持电商各种业务场景，包括：搜索、推荐、导购、评价、商品发布等等，提升各场景的业务效果。
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：Data-电商-知识图谱团队，通过实体挖掘、关系抽取、知识融合等技术手段，将海量的非结构化文本进行结构化建模，构建起了大规模的电商知识图谱，支持电商业务的发展；同时，结构化的电商知识也能融入大规模的预训练模型，进一步提升在各个下游任务上的性能。我们利用这些前沿的NLP技术落地到图谱构建和下游的多个业务场景：商品/短视频分类和属性识别、评价情感分析、短标题生成等。此外，为支持国际化电商业务发展，在多语言、低资源等诸多新挑战下，我们积极探索利用跨语言迁移提升目标语言的模型、利用知识迁移去缓解低资源场景下的标注数据稀缺难点等课题，助力国际化电商知识图谱的快速建设，为业务的蓬勃发展提供助力。 1、构建和维护高质量的电商行业文本和多模态数据集，不断优化数据质量和丰富度，沉淀电商行业的高价值信息； 2、针对业务需求进行电商行业LLM和多模态LLM的继续训练（CT）、有监督微调（SFT），提升模型在电商场景下的表现； 3、制定和实施LLM的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 4、通过LLM不断优化针对电商场景人货场的理解和生成能力，包括：商品信息识别、视频内容理解、用户兴趣挖掘、商品文案生成、导购素材生成等等； 5、通过LLM和上述能力，支持电商各种业务场景，包括：搜索、推荐、导购、评价、商品发布等等，提升各场景的业务效果。
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：Data-电商-知识图谱团队，通过实体挖掘、关系抽取、知识融合等技术手段，将海量的非结构化文本进行结构化建模，构建起了大规模的电商知识图谱，支持电商业务的发展；同时，结构化的电商知识也能融入大规模的预训练模型，进一步提升在各个下游任务上的性能。我们利用这些前沿的NLP技术落地到图谱构建和下游的多个业务场景：商品/短视频分类和属性识别、评价情感分析、短标题生成等。此外，为支持国际化电商业务发展，在多语言、低资源等诸多新挑战下，我们积极探索利用跨语言迁移提升目标语言的模型、利用知识迁移去缓解低资源场景下的标注数据稀缺难点等课题，助力国际化电商知识图谱的快速建设，为业务的蓬勃发展提供助力。 1、构建和维护高质量的电商行业文本和多模态数据集，不断优化数据质量和丰富度，沉淀电商行业的高价值信息； 2、针对业务需求进行电商行业LLM和多模态LLM的继续训练（CT）、有监督微调（SFT），提升模型在电商场景下的表现； 3、制定和实施LLM的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 4、通过LLM不断优化针对电商场景人货场的理解和生成能力，包括：商品信息识别、视频内容理解、用户兴趣挖掘、商品文案生成、导购素材生成等等； 5、通过LLM和上述能力，支持电商各种业务场景，包括：搜索、推荐、导购、评价、商品发布等等，提升各场景的业务效果。
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：Data-电商-平台治理算法团队，通过优化算法，和业务团队协作，对字节旗下的电商产品进行全方位的质量和生态的治理，既包括风险、违规和低质问题的打击，也包括健康电商生态的建设和优化，在最大程度的优化平台治理的效果的同时提升治理的工作效率，降低成本。另外一方面，平台治理算法团队致力于攻坚前沿的AI技术，以技术驱动推动业务的变革和发展，领域涉及广泛，包括但不限于NLP/CV/多模态/大模型/图算法/序列算法等。 1、深入理解电商业务，并基于电商领域知识，构建围绕电商场景的多模态大模型底座，包括但不限于：数据优化以及数据合成、领域预训练、指令微调、有监督微调等； 2、参与构建挖掘电商直播、商品、商家和带货主播等多种实体的数据，对大规模网络/海量特征序列进行建模，支撑商家、达人分类、风险团伙挖掘等业务场景解决问题，并为商家/达人治理提供支持； 3、负责强化电商治理场景下，大模型推理和反思能力，通过业务域SFT、高质量CoT、强化学习、数据合成等技术方案，持续提升大模型业务理解能力； 4、探索基于多模态大模型的电商智能审核系统，实现大规模的机器自动审核，包括：治理规则理解，商品和内容（直播、短视频）的信息抽取、内容理解、风险识别、问题推理等； 5、建设基于多模态大模型的电商智能售后Agent，实现模型自动理解消费者意图并智能化给出解决方案，包括：智能仲裁、智能判责、智能售后等。
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：Data-电商-平台治理算法团队，通过优化算法，和业务团队协作，对字节旗下的电商产品进行全方位的质量和生态的治理，既包括风险、违规和低质问题的打击，也包括健康电商生态的建设和优化，在最大程度的优化平台治理的效果的同时提升治理的工作效率，降低成本。另外一方面，平台治理算法团队致力于攻坚前沿的AI技术，以技术驱动推动业务的变革和发展，领域涉及广泛，包括但不限于NLP/CV/多模态/大模型/图算法/序列算法等。 1、深入理解电商业务，并基于电商领域知识，构建围绕电商场景的多模态大模型底座，包括但不限于：数据优化以及数据合成、领域预训练、指令微调、有监督微调等； 2、参与构建挖掘电商直播、商品、商家和带货主播等多种实体的数据，对大规模网络/海量特征序列进行建模，支撑商家、达人分类、风险团伙挖掘等业务场景解决问题，并为商家/达人治理提供支持； 3、负责强化电商治理场景下，大模型推理和反思能力，通过业务域SFT、高质量CoT、强化学习、数据合成等技术方案，持续提升大模型业务理解能力； 4、探索基于多模态大模型的电商智能审核系统，实现大规模的机器自动审核，包括：治理规则理解，商品和内容（直播、短视频）的信息抽取、内容理解、风险识别、问题推理等； 5、建设基于多模态大模型的电商智能售后Agent，实现模型自动理解消费者意图并智能化给出解决方案，包括：智能仲裁、智能判责、智能售后等。