字节跳动专家数据运营（世界模型方向）-Seed
任职要求
1、本科及以上学历（计算机、自动化、数字媒体技术等相关专业优先）；3年以上数据运营、数据工程或游戏运营相关工作经验； 2、具备游戏引擎实操能力，熟练使用Unreal Engine或Unity进行场景搭建、脚本编写及批量渲染，能够独立驱动程序化内容生成流程，或对World Model/视频生成/具身智能/自动驾驶等方…
工作职责
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、数据生产管理统筹：World Model训练数据的全生命周期管理，涵盖数据需求分析、采集规范制定、质量审核、版本管理及上线交付，确保数据供给的规模、多样性与一致性满足模型迭代要求； 2、合成产线搭建：主导自动化数据合成产线的设计与落地，利用游戏引擎（如Unreal Engine/Unity）或仿真平台（如Isaac Sim/CARLA）构建可程序化驱动的场景生成、渲染与标注流水线，大幅降低人工数据采集成本； 3、工作流设计：负责端到端数据工作流的梳理与标准化，包括标注任务分发、众包质检、人机协同审核等关键节点的流程设计，输出可复用的SOP并落地到工具平台中； 4、数据质量体系：建立面向World Model的数据质量评估框架，定义时序一致性、物理合理性、多模态对齐等核心质量维度的量化指标，并推动质检工具的自动化落地； 5、跨团队协同：深度对接算法研发团队，理解模型训练对数据分布、格式与规模的动态需求，快速响应并调整产线配置；同时协调外部供应商、外包团队及开源社区资源，保障数据交付节奏； 6、效率与规模优化：持续追踪产线瓶颈，推动渲染调度、标注自动化、数据清洗等环节的工程优化，建立数据产出效率与质量的双向监控体系，支撑产线从百万级向十亿级规模的扩展。
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：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。团队研究方向涵盖 LLM、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。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。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、扣子、即梦等超过 50 个应用场景。 1、负责大模型数据生产领域的运营分析工作，围绕供给、质量、效率等核心环节开展监控与诊断； 2、搭建并维护业务指标体系，输出日报、周报及专题分析报告，为资源策略制定和业务决策提供支持； 3、结合业务目标，分析专家资源配置、需求匹配效率、交付质量管控、流程转化效果等问题，推动策略优化； 4、参与大模型数据生产流程的设计与优化，提升整体运营效率； 5、协助搭建Agent或自动化工具，应用于数据生产、质检、分析提效等场景。
1. 深入研究美团外卖业务场景，挖掘用户需求痛点，利用大模型的能力设计并优化产品及服务方案，提升整体作业团队的作业效率。 2. 负责大模型在美团外卖业务中的应用开发与迭代，充分发挥AI能力及大模型的优势提升业务效能。 3. 跨部门团队紧密合作，如技术研发团队、产品设计团队、城市团队等，确保大模型应用能够高效落地并持续优化。 4. 收集和分析用户反馈数据，评估大模型应用效果，不断调整和改进策略以提升用户满意度和业务指标。
1.技术与系统架构：负责具身智能与机器人系统的整体架构设计，并主导机器人平台化（硬件模块、控制栈、感知栈）与大模型平台化（数据、训练、推理）的统一设计。 2.具身智能大模型工程：建设数据体系，协同科研模型算法团队推进具身大模型训练，协同、调用云平台搭建面向具身场景的大规模训练与分布式基础设施。 3.端侧模型推理部署：负责将具身智能模型在机器人端侧部署，并结合机器人计算资源进行软硬件协同优化。 4.机器人系统落地与工程交付：主导机器人在各类场景的落地与项目交付；负责从需求拆解、系统集成、工程实现、测试验证到交付运营的全流程工程管理；协调与供应链、ODM/OEM、硬件厂商的技术对接，以及机器人产业上下游的合作。 5.团队管理与跨部门协作：管理多学科工程团队，建立工程和研发流程（CI/CD、QA、仿真体系、回归测试、可靠性验证），并与产品、科研、算法、行业解决方案和 BD 团队紧密协作推进关键项目落地。
1.技术与系统架构：负责具身智能与机器人系统的整体架构设计，并主导机器人平台化（硬件模块、控制栈、感知栈）与大模型平台化（数据、训练、推理）的统一设计。 2.具身智能大模型工程：建设数据体系，协同科研模型算法团队推进具身大模型训练，协同、调用云平台搭建面向具身场景的大规模训练与分布式基础设施。 3.端侧模型推理部署：负责将具身智能模型在机器人端侧部署，并结合机器人计算资源进行软硬件协同优化。 4.机器人系统落地与工程交付：主导机器人在各类场景的落地与项目交付；负责从需求拆解、系统集成、工程实现、测试验证到交付运营的全流程工程管理；协调与供应链、ODM/OEM、硬件厂商的技术对接，以及机器人产业上下游的合作。 5.团队管理与跨部门协作：管理多学科工程团队，建立工程和研发流程（CI/CD、QA、仿真体系、回归测试、可靠性验证），并与产品、科研、算法、行业解决方案和 BD 团队紧密协作推进关键项目落地。