字节跳动智能审核Agent算法实习生-商业信任与安全
任职要求
1、2027届硕士及以上学位在读，计算机、电子信息等相关专业； 2、有扎实的代码能力、数据结构和基础算法功底，熟练掌握C/C++或Python编程语言； 3、熟悉机器学习和大模型基础原理，有大模型预训练、微调、强化学习、Agent搭建经验者优先； 4、在ACM/ICPC…
工作职责
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：商业化信任与安全研发团队致力于构建业界领先的智能审核系统，通过前沿 AI 技术保障商业内容安全与合规，提升用户客户的信任。团队通过研发大模型基座、先进的审核大模型和审核系统，持续提升大模型系统对复杂商业化内容的理解、让准确理解遵循安全规则、基于规则深度推理并拉齐人与机器之间的认知，并能感知发现潜在问题，并用Agent高效处理审核问题、自动迭代审核系统，为商业内容安全提供全链路、智能化的技术支撑。 1、搭建风险感知、风险研判、审核策略优化等智能体能力，支持交互类智能体训练； 2、参与审核链路的完全自主进化体系构建； 3、跟踪Agent前沿技术并进行可行性验证（如Perference-based RL、多智能体协作、DeepResearch、数据和模型的Scaling、轻量化模型新RL范式），支持数据基建和模Infra的基建工作，并在商业化安全场景中验证落地。
1. 基于VLM/Agent等 AI 能力，融合图文/视频笔记的文本、图像、视频、音频等多维度信号，覆盖笔记、评论、账号、交易、直播等多体裁场景的国际化内容风险识别与处置，持续提升主动召回能力，实现风险、体验、效率的协同优化。 2. 建立并持续演进 Rednote 的内容特征体系与内容分级系统，输出结果应用于治理中的处置判罚、以及搜推流控等核心链路，为 Rednote 全球生态的内容质量与安全构建长期竞争壁垒。 3. 负责面向 Rednote 治理、内容理解、编辑等核心场景的 Agent 系统端到端研发，涵盖 ReAct / Tool Use / Multi-Agent 架构、意图理解与任务规划；深度参与 Agent 效果优化——从工具设计、上下文管理、编排策略到 Agentic RL 的 Post-Training，产出效果领先的 产品。 4. 深度参与LLM/VLM 的预训练、SFT、RL 等全链路训练，参与构建多模态内容理解、编辑、生成等 AI 基础能力，推动 AI 从技术到业务价值的闭环落地。 5. 持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在rednote业务中的应用，保持团队的技术领先性；，沉淀国际顶会论文（CVPR/NeurIPS/ICLR/ACL 等）
1、负责构建安全/生态内容策略的大模型识别能力与链路，将Agent应用在智能审核、评估、质检等治理链路中； 2、利用内外部产品与智能化技术能力，实现审核模式优化，提升内容识别和处置效果，为审核成本、质量、效率等指标负责； 3、深入调研行业，量化场景价值，拆解目标达成路径，为团队投入方向提供清晰指引；分析产品策略，输出策略调整建议，为产品提供决策支持； 4、深入理解大模型技术发展演变，理解并抽象业务场景，定义模型能力框架、牵引体系和模型应用实施的迭代方案。
1.负责智能审核平台产品体系建设，参与机审、人审、管理一个或多个方向的产品规划与落地，推动内容审核从向AI 驱动型演进； 2.深入理解审核全链路（事前机审拦截→事中人审研判→事后质检培训），完成需求分析、产品设计及项目推进； 3.探索大模型、多模态模型及 Agent 技术在审核场景的落地应用，包括智能策略编排、辅助审核决策、自动化质检等； 4.建立数据驱动的迭代机制，定义核心指标体系（准确率、召回率、人效比、降量率等），通过数据归因持续优化效果； 5.与算法、工程、运营协同，推动跨 BG 的平台化能力输出与复用。
1.负责大模型审核算法的设计、开发和优化，包括大模型的构建和调优。 2.负责研究和落地前沿技术，提升审核系统的效率和准确率。 3.参与制定智能审核系统的技术规划和发展方向。