字节跳动端侧大模型算法研究实习生-移动OS-筋斗云人才计划

任职要求

1、2026届及之后毕业，博士在读，计算机、人工智能、计算机视觉、数据科学相关专业优先；
2、扎实的机器学习、NLP/CV/序列建模等基础，具备多模态数据处理等研究背景；
3、熟悉Transformer、Diffusion、GAN、CNN/RNN等模型基础结…

工作职责

团队介绍：专注于探索AI和智能硬件的结合，为用户提供更自然和便捷的交互体验的研发团队，隶属于产品研发与工程架构部。作为负责AI技术应用场景探索的部门，是字节在智能硬件领域提供综合方案研究的核心部门。我们欢迎期待心怀技术理想、不断挑战技术难题的“你”的加入，和顶尖团队一起参与技术攻坚，开启更多可能。

课题背景
随着移动设备的普及和计算能力的提升，端侧AI逐渐成为智能设备的核心驱动力。端侧设备要求不仅要具备高效的计算能力，还需要在保证推理质量的前提下，优化性能和资源使用。尤其是在复杂任务推理、图像生成、意图分类和个性化记忆建模方面，如何设计高效、灵活的系统和模型，已成为当前的研究重点。本课题聚焦于端侧设备上的智能任务推理与生成模型优化，涉及扩散模型（如Stable Diffusion）的精简与高效训练、复杂任务的多意图推理与编排，以及个性化记忆模型的构建与优化，推动端侧AI在各类应用场景中的广泛落地。

课题挑战
1、多意图与任务处理：
 - 精准理解用户输入中的多意图，推导意图间关系，设计鲁棒的任务推理方法。
 - 设计高效的任务编排系统，支持多任务并行执行，并能根据复杂场景需求动态调整任务执行顺序。
 - 针对复杂任务链条，构建动态规划与优化机制，实现高效任务分配与执行，确保多场景切换时规划合理稳定。
 
 2、个性化记忆建模与搜索：
  - 应对行为数据稀疏性，基于长期行为设计有效特征提取与建模方法，构建个性化的记忆模型，提升用户交互的精准度与体验。
  - 提升记忆模型鲁棒性和泛化能力，设计轻量化模型兼顾端侧与云端部署。
  - 在端侧设备实现低延迟全局搜索，优化计算资源提升搜索效率。
 
 3、扩散模型优化与部署：
  - 如何在保持生成质量的前提下，精简Stable Diffusion等扩散模型以适应端侧设备。
  - 设计轻量化的网络架构和高效的采样策略，提升模型的运行速度与效率。
  - 针对不同应用场景优化模型生成能力，提升对复杂背景、动态内容的适应性。
  
 4、 GUI自动化操作：
 - 实现通用化GUI自动化操作，支持多种设备界面。
 - 优化自动化操作的效率与准确性，减少用户干预需求。

通过整合这些方向，课题将实现端侧设备的智能任务推理和生成能力提升，推动智能助手、图像生成等应用场景的技术进步。