字节跳动多模态算法实习生-电商业务
任职要求
1、2026届硕士及以上学位在读，计算机相关专业； 2、在多模态、计算机视觉、NLP中某个领域有较深入的研究，包括但不限于：图像/视频分类、检测、分割、动作识别，多模态预训练，文本分类，无监督和自监督学习等； 3、熟悉PyTorch/TensorFlow//MXNet其中一种或多种框架模型的训练和部署，了解混合精度训练、分布式训练等训练加…
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-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、负责电商短视频中多模态商品理解、爆款趋势商品挖掘等，满足不同消费者的购买需求； 2、负责电商场景下商品基础属性的识别，提升商品履约的合规性和交付效率，提升用户购买体验； 3、负责CV/多模态相关模型优化和迭代，包含视频意图理解、视频商品类目、同款/相似商品识别、商品属性标签识别、品名生成等； 4、探索计算机视觉、NLP及视频多模态前沿技术，并运用到业务中。
ByteIntern：面向2025届毕业生（2024年9月-2025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-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、参与电商场景下文本、多模态相关模型能力建设，包括但不限于：基于LLAMA/LLaVA等模型的多模态、关键信息抽取、实体识别、文本分类、知识图谱构建等； 2、参与构建业内领先的内容安全、内容生态识别方法，探索前沿技术(如NLP前沿、多模态前沿的训练和运用相关)，并应用落地到电商业务场景中； 3、参与分析模型落地对电商生态的正面影响。
ByteIntern：面向2025届毕业生（2024年9月-2025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-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、参与电商场景下文本、多模态相关模型能力建设，包括但不限于：基于LLAMA/LLaVA等模型的多模态、关键信息抽取、实体识别、文本分类、知识图谱构建等； 2、参与构建业内领先的内容安全、内容生态识别方法，探索前沿技术(如NLP前沿、多模态前沿的训练和运用相关)，并应用落地到电商业务场景中； 3、参与分析模型落地对电商生态的正面影响。
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-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、负责电商短视频中多模态商品理解、爆款趋势商品挖掘等，满足不同消费者的购买需求； 2、负责电商场景下商品基础属性的识别，提升商品履约的合规性和交付效率，提升用户购买体验； 3、负责CV/多模态相关模型优化和迭代，包含视频意图理解、视频商品类目、同款/相似商品识别、商品属性标签识别、品名生成等； 4、探索计算机视觉、NLP及视频多模态前沿技术，并运用到业务中。
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。