字节跳动算法实习生-数据智能
任职要求
1、2026届硕士及以上学位在读，数学、人工智能等相关专业优先； 2、扎实的深度学习技术基础，有NLP/多模态相关的项目经验，在ACL/NeurIPS/ICML/EMNLP/ICLR等顶会上发表论文者优先或者有竞赛经验…
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：专注大模型在数据智能方向的应用落地，横向支持公司多个数据产品的大模型解决方案。团队致力于跟进大模型前沿进展，结合领域模型的优化策略来设计端到端的算法优化和评估方案，实现数据产品的智能升级与应用效果提升。团队鼓励敏捷创新，知识共享的协作氛围，专注投入对数据智能课题的持续探索研究。 1、数据增强算法优化：优化SFT/RLHF阶段的数据合成算法，提升训练数据的准确性、多样性和领域适配性； 2、大模型研发：负责面向Code与逻辑推理的大语言模型技术的创新研发，推动基于大语言模型的In-Context Learning、NL2Code建模、自然语言逻辑推理等关键技术的研发和核心问题的解决； 3、推动大模型应用落地：探索包括智能数据问答机器人、代码编程助手等在真实场景的应用价值，并基于评估体系实现应用效果的持续迭代； 4、跟进开源SOTA大模型：探索大模型Scaling law并实践开源大模型在数据智能领域的Post-Training，沉淀技术专利。
【职位前言】 DeepSeek-R1的发布给世界带来了不小的震撼，更令人敬佩的是，无论是赶超OpenAI o1的模型效果，还是节省百万美元成本的工程优化，这背后的原理与实现都在官方发布的技术报告和开源项目中一一公开。 大语言模型的前沿研究将不再只是少数巨头才玩得起的项目，更多的研究者可以入局这场对人工智能探索的新征程。 如果您对模型背后的工程优化充满好奇（FP8混合精度训练、分布式专家并行等），想深入了解并上手实践，但又没有合适的计算资源与明确的优化目标，又对模型 post-training（GRPO强化学习、模型蒸馏等等）跃跃欲试，但又没有明确的应用场景和数据资源—— 那不妨来网易云音乐，和我们搭上这趟时代的列车，一起拆解硬核技术，聚焦于音乐业务中的搜索、推荐、广告场景，探索大模型的应用落地与高效部署。 【职位描述】 1、参与大模型在后训练和推理工程中的性能优化，结合底层硬件特性从混合精度训练、矩阵计算加速、注意力机制计算优化、GPU分布式并行等方面提升工程效率； 2、通过强化学习、模型蒸馏等方式，构建音乐领域具有 CoT 推理能力的大语言模型，应用于搜索、推荐、广告等业务场景。 【我们拥有】 1、音乐行业内海量用户独一无二的数据资源； 2、贴近实际的业务场景，让 idea 落地并发挥价值； 3、可观的计算资源，性能上还有极大的空间待与你一同挖掘； 4、鼓励创新探索、倡导悉心钻研、宽松融洽多元的团队氛围； 5、成果转换的支持，合作完成项目及论文，助力未来的职业发展。
1、深入跟踪不同项目、不同环节的用户操作流程，了解用户旅程，并定位效率问题； 2、完善智能体（AI Agent）的功能，迭代产品特性； 3、设计并执行用户访谈、问卷、可用性测试等方法，持续收集一手数据，输出洞察报告； 4、与算法、开发、美术等团队紧密交流，推动问题闭环与方案落地，跟踪效果并反馈改进。
1、面向露天矿山矿卡运输场景，研究开发多车协同作业调度算法，提升矿卡运输效率； 2、负责算法仿真验证和算法模块的软件开发，撰写相关技术文档并完成专利、软著的申请。
1. 构建AI角色对话评测方法，完善评测体系。 2. 进行AI对话功能测试，持续改善对话体验 。 3. 配合算法同学，完成数据标注和数据集生产工作 。 4. 在对话方面进行产品功能设计，并配合算法同学实现。