字节跳动大模型知识图谱算法工程师-飞书
任职要求
1、具备NLP、LLM应用或RAG其中一个方向的相关经验，具备较强的编程能力； 2、有较强的评测意识和科学的评测思路； 3、有较强的创新能力，有不断探索新AI技术和应用场景的强烈意愿和主观能动性； 4、能紧跟AI领域的最新发展动态，通过参加学术会议、阅读前沿论文、在线学习课程等方式，不断提升自己的专业知识和技能； 5、有较强的解决问题能力，善于解决各种繁琐的技术问题（如：数据质量问题、训练问题、部署兼容性问题等）； 6、对数据比较敏感，能细致完成数据工作，包括数据质量、数据分布、案例分析、数据调优等。 加分项： 1、有过比较深入的GraphRAG或类似经验； 2、在垂直场景（如：法务/供应链领域知识管理）有过成熟的案例沉淀； 3、在复杂知识管理场景上，做过多源异构知识的统一处理； 4、有处理音/视/图/文档的多模态相关经验。
工作职责
1、知识图谱构建：负责设计和构建企业级知识图谱，解决协同场景（人、任务、文档、会议）以及跨业务系统的信息孤岛，实现知识的互联互通，为企业建立统一高效的知识管理体系，更好的支持LLM落地 2、围绕Graph探索LLM新应用模式：基于企业知识图谱，探索RAG/Agent的落地新范式，使其能够在复杂的企业知识网络中进行精准的信息检索、关联分析和逻辑推理； 3、模型迭代与优化：持续优化大语言模型及RAG系统在企业知识管理领域的表现，构建针对性的评测方法，生产和维护高质量的企业领域数据集； 4、前沿技术研究与应用：密切关注知识图谱、LLM推理等领域的最新研究成果，将前沿技术应用于企业知识管理实践中。
1、团队涉及向多个业务方（飞书问答/Aily/豆包/Coze）提供RAG相关的底层算法/算子； 2、NLU：多轮问答Query总结，Query拆解，Query意图识别，相关Query推荐； 3、召回排序：相关性向量召回，相关性排序，多因子排序（时效性、权威性、互动性）； 4、LLM生成优化：Prompt调优，生成大模型SFT/RLHF； 5、索引构建：Image2Text、多模态Embedding、端侧Embedding技术、知识图谱挖掘与应用； 6、跟踪业界前沿技术的发展，探索深度学习/LLM等前沿技术的应用前景。
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、今日头条、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、负责大模型技术在软件智能交付领域的相关应用技术研发，业务场景包括但不限于知识图谱、代码生成、智能交互、风险预测挖掘、智能归因、缺陷修复、故障自愈； 2、洞察AIGC等前沿技术领域的最新研究成果，探索工业领域落地可行性，并持续提升算法应用效果； 3、探索大模型技术在研发效能领域中的落地应用，为研发效率提升提供智能服务； 4、深度参与项目研发，与产品和业务团队同学保持密切配合，不断优化项目整体效益，提升用户体验。
1..协助团队做AI智能体的知识挖掘相关的算法工作，涉及到非结构化数据的实体识别和关系抽取，以及图推理和图查询算法的开发。 2. 协助团队做知识打标工作中的无监督、半监督算法的开发，提升数据打标的效率。 3. 协助团队构建实验流程，包括但不限于，梳理数据标注逻辑、工具需求，验证和评估实验回收数据，并总结成工具需求。 4. 协助团队做算法调研，包括但不限于，整理相关领域算法当前SOTA的实现或者文章，并做对比分析。
1、负责生成式智能对话场景的算法研发，基于大模型技术建设智能化的对话机器人系统； 2、探索生成式Agent对话算法，包括大模型领域知识融入、对齐、逻辑推理和SFT等任务； 3、建设基于RAG框架的智能问答系统，优化文本&多模态理解、召回、相关性、问答生成等算法； 4、对长文本/海量文本进行深度分析、构建知识图谱，针对用户对话进行抽取事件、情感分析； 5、搭建和优化检索排序、在线生成系统，提供稳定的线上服务。