字节跳动政策分析与质量优化实习生（商业化风控方向）-商业化安全
任职要求
1、本科及以上学历在读，数据科学、统计、计算机、法学或社会科学相关专业背景优先； 2、有基本的英文听说能力和扎实的英文读写能力； 3、尽快入职，保证每四天以上，实习周期四个月或更长； 4、优秀的沟通能力与细节关…
工作职责
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：商业化安全作为商业化的一部分，为商业化的需求设计具体的业务模式，保证用户体验和商业化广告内容安全，成为驱动商业化加速发展的引擎。 1、政策实施与执行优化：协助评估并完善广告政策，确保其符合国际化短视频规范，同时平衡用户体验与收入增长目标； 2、数据分析：运用分析工具与技术监控广告质量表现，识别趋势、诊断问题并提出可落地的改进方案； 3、业务流程优化：挖掘广告相关流程中的效率提升点与工作流改进空间，协同内部团队推动最佳实践落地； 4、研究与分析：开展市场调研并分析内部数据，为广告产品及流程的决策优化提供支持； 5、平台维护：协助监测广告平台的质量、合规性与功能性问题，与工程师紧密合作保障平台稳定运行。
THE ROLE 作为储能超级工厂产品成功下线前的关键工程师角色，储能测试工艺工程师将负责Megapack在装配区域的现场测试工艺管理与技术支持。你将深度参与从测试程序与设备导入、测试流程优化、测试问题分析与闭环，到测试良率持续提升的全过程。该岗位在研发、制造与质量三大职能之间扮演桥梁角色，要求对储能产品设计原理、生产工艺及测试技术有全面的理解。通过科学、系统、高效的测试手段，确保储能系统的性能、安全性与一致性，是储能系统在研发验证、量产导入、质量控制中不可或缺的技术力量。 RESPONSIBILITIES职责描述： 深入理解储能系统在电网、工商业、户用等不同应用场景下的测试需求； 熟悉锂电池、液流电池、超级电容等储能系统的测试原理与流程； 负责PCB电路板的功能测试流程，包括关键参数测试（如电压采集精度、信号传输稳定性、通讯接口功能等）； 参与储能系统核心模块（如BMS、PCS、系统集成）的测试工艺开发与优化； 掌握并应用电气测试、电池测试、热测试、性能测试等常见测试方法； 参与测试程序的开发、调试与优化，具备一定脚本或测试软件的使用经验； 熟练使用测试设备（如NI采集卡、可编程电源、示波器、功率分析仪、高精度万用表、负载设备等）； 熟悉常见通信协议（如CAN、LIN、I2C、以太网、RS232、GPIB）的应用与调试； 负责测试流程中的问题分析与跟踪，推动测试良率的持续提升； 配合跨职能团队（研发、制造、质量）协作，确保产品测试与交付质量。 REQUIREMENTS
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月的项目实践机会。 团队介绍：GameTop是一个面向海外的游戏发行平台，致力于为用户提供个性化的游戏内容，满足游戏创作和社交的平台。这里不仅是游戏内容的集散地，更为创作者开辟自由创作与展示空间，玩家也能在此分享攻略、交流心得。加入我们，为用户提供更有趣的游戏，社区，和社交的体验。 1、挖掘和培养东南亚地区优质创作者，通过线上沟通、活动邀约等方式，建立与创作者的良好合作关系，吸引更多创作者进入； 2、协助制定针对东南亚创作者的激励政策与成长计划，定期跟进创作者内容产出情况，提供专业的运营建议，提升创作者活跃度与内容质量； 3、收集创作者反馈，及时处理创作者遇到的问题，优化创作者服务流程，增强创作者对平台的归属感与忠诚度； 4、参与APP东南亚社区内容的策划、发布与维护工作，结合当地文化习俗、热点话题和用户兴趣，制定富有吸引力的内容运营策略； 5、负责社区内容的审核与管理，确保内容符合平台规范与当地法律法规，营造积极健康的社区氛围； 6、监测社区数据，分析用户行为与内容传播效果，通过数据驱动优化内容运营方案，提升社区用户的参与度、留存率和活跃度。
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、数据挖掘：负责数据集的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，进行深度的数据挖掘，沉淀高价值信息； 2、大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）、偏好学习，以及多模态模型训练，提升模型在特定场景下的表现； 3、提示词工程：与业务专家合作，构建和优化结构化的提示词，充分挖掘和利用大模型的能力，高效、精准解决实际问题； 4、信息检索：开发和优化Query理解、召回、相关性排序等技术，提升信息检索的效率和准确性，提升RAG的效果； 5、智能体技术：利用领先的智能体框架，增强大模型的推理、对话和反思能力，解决复杂业务问题，提升用户体验； 6、大模型评测：制定和实施大模型的评估方案，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； 7、应用落地：定义业务问题，设定任务标准和目标，不断优化模型和系统，以达到最佳的业务效果和用户满意度。
