字节跳动大模型算法实习生（质量智能方向）-质量技术
任职要求
1、2026届硕士及以上学位在读，计算机、软件工程相关专业优先； 2、具备优秀的算法能力，有TensorFlow/PyTorch等深度学习训练框架相关经验，熟悉DPO、PPO、RLHF相关算法技术； 3、掌握大语言模型的算法原理、Fine-tuning、Prompt Engineering、向量数据库和LangChain等应用范式。 4、熟悉至少一种编程语言（如Go、Python、C++、Java等），有大模型、机器学习、深度学习经验者优先； 5、有单测生成、代码评审领域问题解决经验者优先； 6、具备较好的沟通能力和学习能力，做事严谨，能够高效完成任务。
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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、参与单测生成、代码评审、缺陷修复等代码领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署； 2、探索LLM技术在代码生成领域中的落地应用，持续提升模型在知识检索、决策推理以及跨语言的泛化生成效果； 3、参与代码生成智能化领域LLM/Agents的数据工程，构建数据飞轮； 4、持续优化模型数据，并用于常态化的模型微调当中，持续提升模型代码生成的置信度和采纳率。
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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、参与领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署； 2、探索LLM技术在质量领域中的落地应用，基于大量质量能力构建统一的智能化测试基建； 3、参与质量智能化领域LLM/Agents的数据工程，构建数据飞轮； 4、参与基于质量数据做模型微调（Fine-tune），确保模型精度和效率。
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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、参与领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署； 2、探索LLM技术在质量领域中的落地应用，基于大量质量能力构建统一的智能化测试基建； 3、参与质量智能化领域LLM/Agents的数据工程，构建数据飞轮； 4、参与基于质量数据做模型微调（Fine-tune），确保模型精度和效率。
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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、参与领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署； 2、探索LLM技术在质量领域中的落地应用，基于大量质量能力构建统一的智能化测试基建； 3、参与质量智能化领域LLM/Agents的数据工程，构建数据飞轮； 4、参与基于质量数据做模型微调（Fine-tune），确保模型精度和效率。
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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、参与领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署； 2、探索LLM技术在质量领域中的落地应用，基于大量质量能力构建统一的智能化测试基建； 3、参与质量智能化领域LLM/Agents的数据工程，构建数据飞轮； 4、参与基于质量数据做模型微调（Fine-tune），确保模型精度和效率。