字节跳动豆包AI搜索架构工程师-Seed大模型人才校招
任职要求
1、2027届获得本科及以上学历，计算机、电子信息、软件工程等相关专业； 2、具备优秀的代码能力（C++/Golang/Python）、数据结构和基础算法功底，以及扎实的软件工程基础（包括系统设计、API开发和代码质量控制）； 3、对大模型方向充满热情，不断探索前沿技术领域并持续接受新挑战，同时有强烈的学习欲望，对新技术抱有足够热情和好奇心，愿意沿AGI方向进行持续探索； 4、对系统性能优化、AI基础设施建设及前沿模型技术有浓厚兴趣，具备良好的协作与自驱能力…
工作职责
Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、建设豆包AI搜索，搭建完整RAG功能的LLM搜索引擎； 2、针对LLM搜索中的各个环节，如联网检索、大模型推理进行优化； 3、设计和搭建在离线个性化AI搜索能力，实现对用户更准确的问答； 4、持续建设更灵活、合理、功能更强大的架构以保障快速发展的业务可以高效达成。
团队介绍：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。 1、负责豆包AI大模型To B评测体系的顶层设计，定义评测维度、指标、标准和流程； 2、深入理解客户需求，将客户反馈转化为评测任务，确保评测结果真实反映客户使用效果； 3、建立模型对比分析机制，输出量化分析结论，以及原因拆解分析，能牵引模型优化； 4、深入研究重点行业业务流程，从业务视角设计有价值的行业评测方案； 5、跟踪全球前沿评测方法论（Benchmark设计、统计方法、Eval工具链），持续升级评测体系。
团队介绍：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。 1、负责模型资源经营的数据分析与运营体系建设，建立统一Token口径、经营指标和分析框架，包括：模型成本、利用率、峰谷结构、模型替代率、高价值场景识别等； 2、分析业务使用结构，识别资源浪费、高成本低价值场景和替代机会； 3、建立业务分级、模型分级和资源匹配分析机制； 4、支撑公司级资源分配、预算管理和经营决策； 5、推动外部模型向内部模型的替代与切换分析。
团队介绍：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。 1、负责模型资源经营的数据分析与运营体系建设，建立统一Token口径、经营指标和分析框架，包括：模型成本、利用率、峰谷结构、模型替代率、高价值场景识别等； 2、分析业务使用结构，识别资源浪费、高成本低价值场景和替代机会； 3、建立业务分级、模型分级和资源匹配分析机制； 4、支撑公司级资源分配、预算管理和经营决策； 5、推动外部模型向内部模型的替代与切换分析。
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：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。 1、跟踪测试产品新能力，输出结构化的产品效果分析报告，为产品决策提供依据； 2、负责重点客户反馈的负面案例有效跟进，配合QA完成效果评测，并将具体问题抽象归纳、对应到Benchmark体系中； 3、针对每次算法在Benchmark上的迭代结果进行系统性案例研究，深入分析效果变化原因，输出可落地的优化建议； 4、持续构建高质量评测案例，分析来自线上及知识库关于Embedding排序的负面案例特征，熟练运用多种Agent工具构造评测数据，并通过与研发的持续沟通确保评测集质量与覆盖度。