字节跳动大模型算法实习生（教育应用方向）-Gauth
任职要求
1、2026届本科及以上学历在读，计算机、软件工程等相关专业优先； 2、优秀的代码能力、数据结构和基础算法功底，熟练使用Python等语言，在ACM/ICPC、Top Coder、Kaggle等比赛中有优异的表现和获奖经历者优先考虑； 3、扎实的机器学习基础…
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：我们是致力于研发和应用前沿的LLM与多模态技术，为 Gauth 和 豆包爱学 两款核心教育产品提供智能引擎的团队。Gauth 旨在提供精准、快速、带步骤解析的 AI 作业辅导，而豆包爱学则致力于成为功能全面、交互自然的 AI 学习伙伴。我们正积极探索 AI 在教育领域的深度应用， 应对核心挑战如复杂推理 、知识增强与准确性、多模态理解以及个性化学习。 1、大模型基础能力建设：负责构建高质量教育数据集和全面的模型评估体系，支撑模型迭代优化；主导教育场景下LLM/VLM的核心算法研发与训练，持续提升模型的推理、对话等关键能力； 2、前沿技术探索与应用：追踪大模型前沿进展，探索Long-CoT、RL、AI Agent等技术在教育的应用潜力；基于技术洞察，设计创新应用模式，孵化并推动个性化AI辅导、多模态交互学习等功能的实现； 3、协作与业务落地：与产品、工程、教研等团队紧密协作，理解业务需求，共研优化技术方案；推动算法模型快速迭代、与业务场景深度融合及效果验证，负责或参与模型部署、维护与优化。
1. 参与搜索、推荐或广告（搜推广）相关算法的研究与优化，包括但不限于召回、排序、机制设计等方向。 2. 结合业务场景需求，设计并实现机器学习/深度学习模型，提升线上效果（如CTR、CVR、GMV等指标）。 3. 对算法模型进行训练和推理性能测试与调优，包括 latency、吞吐量、资源占用等关键指标的评估与改进。 4. 跟踪业界前沿技术（如大模型、多模态、强化学习等），探索其在业务中的应用可能性。
负责VLA（视觉-语言-行动）多模态大模型在自动驾驶和机器人场景中的前沿算法研究，涵盖场景理解、语义引导决策、时空建模等核心能力； 主导VLA模型预研，构建可泛化、高可解释性的多模态基座大模型，为未来6~12个月技术演进提供基础支撑； 与高校及实习生协作，探索VLA的长期发展方向，包括表征学习，具身智能、慢系统蒸馏快系统等核心议题； 撰写高水平论文、技术文档，推动VLA方向在CVPR、NeurIPS、ICLR、CoRL等会议中的学术影响力。
1、基于全站数据，使用LLM（PE、RAG、SFT），机器学习，数据挖掘等方法，实现对B站内容和实体的全域理解，标签挖掘。 2、利用LLM和Agent相关技术，打造自动化数据洞察智能体，应用于商业化各产品的AI智能化和自动化数据洞察报告生成，提升生产效率和数据效能。 3、负责B站营销科学方向的研究，与运营和技术紧密合作，能根据业务需求独立完成较为深入的专项数据挖掘分析。通过对数据的敏锐洞察、定性和定量分析、以及算法模型建设，迅速定位并解决内部问题； 4、与广告产品、工程技术以及其他部门完成高质量沟通，保证推动数据科学策略与模型的落地与持续优化。
1.参与AI系统（如机器学习模型、NLP/CV应用、大语言模型等）的质量保障工作，设计并执行测试用例； 2.针对AI模型特性，完成性能测试（如推理速度、资源占用）、效果测试（如准确率、召回率）及稳定性测试（如对抗样本鲁棒性、数据漂移检测）； 3.开发自动化测试脚本，搭建测试工具链，提升AI模型迭代效率； 4.分析测试结果，定位AI模型或数据问题，与算法/工程团队协作优化解决方案； 5.探索AI测试前沿技术（如模型可解释性测试、公平性评估等），推动测试流程标准化； 6.探索AI辅助测试落地测试项目。