logo of bytedance

字节跳动AI审核平台产品实习生-国际化

实习兼职A133863地点:北京状态:招聘

任职要求


1、本科及以上学历在读,计算机、人工智能等相关专业优先;
2、软件设计相关经验或熟悉一种编程语言优先考虑;
3、具备基础的英语读写能力,英语可以作为工作语言;
4、有责任心、主动性、进取心、较强学习能力;
5、熟悉基础互联网产品经理的工作流程,具备流程抽象能力、PRD的产出能力、指标设计能力、项目管理能力;有过内容/商业化审核相关经验,或内部平台优化经验优先考虑;
6、每周至少实习4天及以上,实习期6个月及以上优先。

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:国际化短视频商业化变现产品设计团队旨在使客户能够毫不费力地与用户建立联系,并最大限度地发挥品牌潜力。我们希望简化和激励客户实现目标,探索更多可能性,并与国际化短视频创造价值。作为团队成员,你将能够利用定性/定量研究来收集用户反馈,为我们的客户创造深刻的理解和共情,并与设计、产品和营销团队跨职能合作,以满足业务需求。

1、聚焦智能审核系统核心模块迭代,覆盖特征管理、策略管理、人工审核流程、大模型业务探索等关键子模块,直接参与产品功能从0到1或从1到N的优化过程;
2、主动挖掘需求:基于用户反馈或数据洞察,精准定位问题、测算优化收益,独立输出方案并跟进落地,最终实现业务收益回收;
3、全流程闭环实践:完整承接平台需求的“反馈收集-根因分析-方案设计-落地推动-效果复盘”全链路,积累端到端产品落地经验。
包括英文材料
学历+
相关职位

logo of bytedance
实习A181720B

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:国际化内容安全平台团队致力于为字节跳动国际化产品的用户维护安全可信赖环境,通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件,以人工智能技术支持业务发展,力求更高效、更敏捷、更全能地维护站内生态安全。 1、构建以服务国际化产品整体安全与可信、保障终端安全与体验为目标的行业领先的内容安全平台,通过优秀的功能体验、合理的策略制定及前沿技术应用,推动内容审核/管理/运营/推荐工作科学、高效运转,提升业务整体质量与效率; 2、能够深入理解业务目标和产品目标,通过优秀的产品设计与解决方案设计,并拆解为可执行的产品/运营路径,协同上下游团队高效拿到阶段性结果,全面进化审核团队的内容审核工作; 3、深入研究AI模型能力在内容审核/管理等领域的应用策略,能提供行业标杆的解决方案,为客户提供AI能力及关联系统/后台服务。

更新于 2025-06-09
logo of kuaishou
实习D4901

1. 国际客户沟通与关系建立:利用出色的英文口语能力,主动与海外潜在客户建立联系,介绍公司可灵AI大模型产品及行业解决方案,促进合作意向的形成; 2. 合同管理与流程跟进:负责跟进国家客户商务合同的发起、审核、谈判至最终签署的全过程,确保合同流程快速推进,并有效跟进合同执行过程中的各项事宜; 3. 定期收集并分析国际市场动态:结合公司战略,协助团队制定针对性的产品推广策略和市场进入策略; 4. 客户会议与活动组织:规划并协调与海外客户的线上/线下会议、研讨会及展览活动,提升品牌形象,加深客户关系; 5. 文档处理与报告编写:高效处理商务相关的英文文件、合同及报告,确保信息的准确性和时效性。

更新于 2025-09-02
logo of bytedance
实习A201245

团队介绍:Data-电商-平台治理算法团队,通过优化算法,和业务团队协作,对字节旗下的电商产品进行全方位的质量和生态的治理,既包括风险、违规和低质问题的打击,也包括健康电商生态的建设和优化,在最大程度的优化平台治理的效果的同时提升治理的工作效率,降低成本。另外一方面,平台治理算法团队致力于攻坚前沿的AI技术,以技术驱动推动业务的变革和发展,领域涉及广泛,包括但不限于NLP/CV/多模态/大模型/图算法/序列算法等。 课题介绍: 背景:电商智能审核业务比较复杂,随着审核技术的不断演进,各个领域面临着新的风险问题和对抗形式,这对大模型的应用提出了新的挑战。例如,在电商审核业务中,涉及审核PBR变更、长文本、长时序、多语言、少样本和AIGC生成对抗等问题时,现有的开源大模型表现往往不尽人意。因此,针对这些挑战,我们亟需研发专门针对电商智能审核的大模型,以提升其在电商治理中的有效性和适应性。特别的,针对电商业务特点,我们需要探索高质量的数据自动生成、高效的MOE Embedding、Auto-Prompt生成、高质量 COT输出、大模型知识蒸馏等。此外,该模型应能够满足电商审核业务的需求,实现高准确率的自主决策和可解释性的COT生成,显著减少误判。针对动态变化的审核PBR变更,它能够通过RAG模块自动检索类似的审核案例,将复杂的审核PBR分解为简单的原子任务,自动拆分出驳回和豁免原子任务,并自动调用相应的Tools来解决这些任务,从而建立“知道拒绝并且知道为何拒绝”的业内领先智能审核系统。最终,大模型智能审核系统的审核效果需要接近或者超过人工审核,往全机审的路线上演进。 研究方向:模态融合能力:提升文本、音频、图像、视频和直播等多模态的细粒度理解能力,实现高准确率的自主决策和可解释性的COT生成;Few-Shot能力:探索电商多语言、长时序和少样本问题,增强Few-Shot和Zero-Shot能力,针对多变的业务规则具备复杂指令和Auto-Prompt生成能力;攻防对抗能力:研究AIGC图像视频的判别,增强审核大模型对隐晦、抽象的生成式内容的攻防对抗能力;Agent能力:具备调用RAG模块,使用Tools,和Auto-planning能力;提升大模型的动态推理和反思能力。 1、深入理解电商治理业务,探索基于大模型、多模态模型,持续提升商家/达人在准入、发品、售后等各个业务场景的风险识别效果; 2、提升商品治理审核智能化水平,迭代优化治理大模型,提升大模型对治理规则和商品信息的理解,实现高准高召的问题识别和自动处置; 3、负责强化电商治理场景下,大模型推理和反思能力,通过商品业务域SFT、高质量Cot、强化学习、数据合成等技术方案,提升商品治理大模型底座能力; 4、参与构建挖掘电商直播、商品、商家和带货主播等多种实体的数据,对大规模网络/海量特征序列进行建模,支撑商家、达人分类/风险团伙挖掘等业务场景解决问题,并为商家/达人治理提供支持; 5、参与构建大规模的图存储和图学习平台,完善电商社区内商家/商品/达人/视频内容的关系建设,构建电商实体通用表征能力,赋能治理业务; 6、建设售后服务MLLM基座大模型,并利用RAG/Agent/RL等技术,解决复杂场景下对体验问题的理解能力。

更新于 2025-03-04
logo of bytedance
实习A143587

团队介绍:Data-电商-平台治理算法团队,通过优化算法,和业务团队协作,对字节旗下的电商产品进行全方位的质量和生态的治理,既包括风险、违规和低质问题的打击,也包括健康电商生态的建设和优化,在最大程度的优化平台治理的效果的同时提升治理的工作效率,降低成本。另外一方面,平台治理算法团队致力于攻坚前沿的AI技术,以技术驱动推动业务的变革和发展,领域涉及广泛,包括但不限于NLP/CV/多模态/大模型/图算法/序列算法等。 课题介绍: 背景:电商智能审核业务比较复杂,随着审核技术的不断演进,各个领域面临着新的风险问题和对抗形式,这对大模型的应用提出了新的挑战。例如,在电商审核业务中,涉及审核PBR变更、长文本、长时序、多语言、少样本和AIGC生成对抗等问题时,现有的开源大模型表现往往不尽人意。因此,针对这些挑战,我们亟需研发专门针对电商智能审核的大模型,以提升其在电商治理中的有效性和适应性。特别的,针对电商业务特点,我们需要探索高质量的数据自动生成、高效的MOE Embedding、Auto-Prompt生成、高质量 COT输出、大模型知识蒸馏等。此外,该模型应能够满足电商审核业务的需求,实现高准确率的自主决策和可解释性的COT生成,显著减少误判。针对动态变化的审核PBR变更,它能够通过RAG模块自动检索类似的审核案例,将复杂的审核PBR分解为简单的原子任务,自动拆分出驳回和豁免原子任务,并自动调用相应的Tools来解决这些任务,从而建立“知道拒绝并且知道为何拒绝”的业内领先智能审核系统。最终,大模型智能审核系统的审核效果需要接近或者超过人工审核,往全机审的路线上演进。 研究方向:模态融合能力:提升文本、音频、图像、视频和直播等多模态的细粒度理解能力,实现高准确率的自主决策和可解释性的COT生成;Few-Shot能力:探索电商多语言、长时序和少样本问题,增强Few-Shot和Zero-Shot能力,针对多变的业务规则具备复杂指令和Auto-Prompt生成能力;攻防对抗能力:研究AIGC图像视频的判别,增强审核大模型对隐晦、抽象的生成式内容的攻防对抗能力;Agent能力:具备调用RAG模块,使用Tools,和Auto-planning能力;提升大模型的动态推理和反思能力。 1、深入理解电商治理业务,探索基于大模型、多模态模型,持续提升商家/达人在准入、发品、售后等各个业务场景的风险识别效果; 2、提升商品治理审核智能化水平,迭代优化治理大模型,提升大模型对治理规则和商品信息的理解,实现高准高召的问题识别和自动处置; 3、负责强化电商治理场景下,大模型推理和反思能力,通过商品业务域SFT、高质量Cot、强化学习、数据合成等技术方案,提升商品治理大模型底座能力; 4、参与构建挖掘电商直播、商品、商家和带货主播等多种实体的数据,对大规模网络/海量特征序列进行建模,支撑商家、达人分类/风险团伙挖掘等业务场景解决问题,并为商家/达人治理提供支持; 5、参与构建大规模的图存储和图学习平台,完善电商社区内商家/商品/达人/视频内容的关系建设,构建电商实体通用表征能力,赋能治理业务; 6、建设售后服务MLLM基座大模型,并利用RAG/Agent/RL等技术,解决复杂场景下对体验问题的理解能力。

更新于 2025-03-04