字节跳动大模型训练/推理系统研发工程师-广告业务-筋斗云人才计划（北京/上海）

任职要求

1、获得博士学位，人工智能、计算机科学、数学及相关交叉学科专业优先；
2、学术成果：在相关专业方向有深入研究成果、丰富实践经验者优先，如在自然语言处理、计算机视觉、数据建模、算法优化等领域有突出表现；
3、编码能力：熟练掌握常见编程语言中任一项，代码编写能力优秀，能够熟练掌握及应用数据结构与基础算法，并且有较强的工程意识，善于进行效果与成本间权衡；…

工作职责

团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。

课题背景：
随着人工智能技术的快速发展，大模型技术在交易与广告场景中的应用日益广泛，已成为推动行业创新和效率提升的重要驱动力。大模型凭借其强大的学习能力和泛化性能，在多个领域展现出显著优势。例如，推荐大模型能够精准捕捉用户偏好，提升个性化推荐效果；AIGC（AI-Generated Content）技术可用于广告创意、商品图片和视频生成，大幅降低创作成本并提升内容质量；广告投放诊断系统和诊断助手帮助优化投放策略；智能客服、影片智能剪辑、智能导购、大模型审核、用户序列建模以及多模态广告和用户理解等应用，则通过自然语言处理、多模态数据融合等技术，提升用户体验和业务效率。
然而，交易与广告场景对大模型系统的要求极高，不仅需要模型具备出色的精度和泛化能力，还需在实时性、稳定性、可扩展性等方面满足严苛标准。特别是在大规模分布式训练、推理加速、异构硬件支持、多模态数据处理以及系统集成等方面，存在诸多技术难点。因此，针对交易与广告场景研发和优化大模型系统，不仅是人工智能技术发展的前沿方向，也是行业应用的迫切需求。本课题旨在通过系统和工程领域的深入研究，突破关键技术瓶颈，构建高效、稳定、可扩展的大模型解决方案，为交易与广告场景提供强有力的技术支撑。

课题挑战：
1、大规模分布式训练加速：大模型训练需处理海量数据和高复杂度计算，导致训练耗时长、资源需求大。如何优化分布式训练架构，提升数据并行、模型并行和流水线并行的效率，是首要技术难题。
2、推理加速和性能优化：交易与广告场景对实时性要求极高，如广告投放需毫秒级决策。如何在资源受限环境下通过模型压缩和推理引擎优化实现快速推理，是关键挑战。
3、异构硬件支持：大模型需适配多种硬件平台。如何实现高效部署和负载均衡，确保跨硬件精度一致性和高性能，是技术难点。
4、编译优化：编译优化是过程复杂，如何开发高效编译器，优化长尾/灵活模型或结构在不同Accelerator执行效率并减少延迟，是亟待解决的问题。
5、Agent工程：智能客服和导购等应用需构建自主决策的AI Agent。如何设计高效的Agent系统，支持复杂任务执行，是前沿挑战。
6、强化学习框架：强化学习在广告投放优化等场景中潜力巨大。如何构建高效框架，支持大规模环境训练和推理，是研究难点。

课题内容：
1、大规模分布式训练加速技术
1）研究数据并行、模型并行和混合并行算法，优化训练效率；
2）开发自适应负载均衡机制，减少资源浪费；
3）探索梯度压缩和通信优化技术，降低网络开销；
2、推理加速与性能优化方法
1）研究模型压缩技术（如量化、剪枝），减小模型体积；
2）开发高效推理引擎，支持批量推理和异步处理；
3）针对不同Accelerator的架构加速推理过程；
3、异构硬件支持与优化
1）设计通用部署框架，支持多硬件无缝集成；
2）开发硬件感知调度算法，优化任务分配；
3）研究跨硬件模型迁移技术，确保精度一致；
4、编译优化技术
1）深入优化模型编译器，优化长尾场景的计算开销；
2）研究图优化和算子融合技术，减少计算开销；
3）探索动态优化方法，提升运行时效率；
5、Agent工程与实现
1）设计模块化Agent架构，支持任务分解和决策；
2）开发多模态交互技术，提升用户体验；
3）研究Agent训练与评估方法，优化复杂场景性能；
6、强化学习框架构建
1）开发高效强化学习算法，支持多智能体协作；
2）针对交易与广告场景的训练场景优化训练速度，提升迭代效率；
3）探索强化学习在广告投放中的应用，提升决策效果。