字节跳动科学生成模型研究员-Seed

1、跟踪业界前沿研究进展，和团队一起建立深入广泛的领域技术认知； 2、综合机器学习、量子化学、分子动力学等多个领域的方法，探索生物、材料领域前沿应用； 3、整合业界及团队研究成果，推动研究成果实际落地应用，产生广泛的影响力。

1、开发自然科学的基础大模型，用于蛋白质结构预测、分子构象生成和蛋白质设计； 2、利用公共基准和数据库评估新的AI/ML方法； 3、与多学科团队密切合作，将创新算法应用于解决前沿挑战。

1. 负责多模态算法的开发与优化，包括但不限于多模态理解、基座模型、多模态理解（InternVL、Qwen-VL、Seed-VL）等领域，推动多模态理解与生成技术的融合与创新； 2. 深入研究多模态算法的前沿技术，结合业务需求，设计并实现高效、准确的算法模型，解决实际业务中的复杂问题； 3. 参与多模态算法相关项目的规划与实施，确保项目按时高质量完成，达到预期的业务目标； 4. 与团队成员及其他部门紧密合作，共同推进多模态算法在实际业务场景中的应用，提升整体业务的智能化水平； 5. 持续关注行业动态，引入先进的技术理念和方法，优化现有算法框架，提升团队的技术竞争力。

1、项目管理能力优秀，能够主导并管理多个代码类大语言模型（LLM）训练项目，确保按时交付、符合质量标准并达成目标；跟踪项目进展，识别风险，并采取必要的纠正措施以保证项目按计划推进；与产品经理、研究员、数据标注员及其他跨职能团队成员建立并维护良好的合作关系，同步项目进展，解决问题并协调各方期望，确保项目成功交付； 2、流程设计及优化，设计、管理并优化代码类LLM训练项目的工作流程，包括训练设计、质量保证（QA）流程及效果追踪，以满足项目需求；与产品经理、项目负责人及跨职能团队紧密协作，确保质量标准与项目目标保持一致； 3、运营优化，开展质量与效率优化实验，提升代码类训练数据的运营流程；主导并支持跨数据领域的通用标注运营优化计划；制定并维护技术指南及案例手册，确保数据生产的高质量与一致性； 4、数据监控及分析，设计并实施稳健的数据分析策略，系统评估训练集与验证集质量通过统计建模、可视化分析及编程方法，全面监测标注质量、模型表现及数据集覆盖度采用分片评估、提示词敏感性测试及聚类错误分析，精准识别数据缺口、边界案例与失效模式，运用Python（Pandas/NumPy/Matplotlib）及SQL工具链，生成可落地的改进建议，保障数据管道健康度，与模型训练标注员及研发紧密协作，基于数据洞察指导训练策略调整，推动以数据为核心的项目迭代。