字节跳动平台研发实习生-App Infra

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：App Infra是字节跳动面向应用的基建中台部门，以App侧性能/稳定性深度优化为基础，结合LLM、Agent、生成式推荐模型等前沿技术，为字节跳动旗下的核心应用提供终端+平台的解决方案。于下层，结合操作系统、虚拟机、工具链、编译器等技术，建设了稳定性、流畅性、电量在内全链路的监控体系和调试分析工具；于上层，则结合端侧特征工程、深度学习模型/决策树模型/SLM训练等基建，围绕搜索/推荐/广告/直播/电商等场景，建设了云端协同推荐、品质体验优化等端智能解决方案。如果你热爱挑战底层技术、追求极致优化，又渴望把AI转化为千万用户感受得到的流畅与智能——欢迎加入，和我们一起打造下一代移动体验！ 1、主导端侧AI基建与架构设计，深度参与框架选型、技术路线决策，与算法团队共建高可用、高性能的端智能体系； 2、负责SLM、VLM、端侧大模型的工程化落地，攻克轻量化部署、低延迟推理、资源受限场景下的实时智能难题； 3、面向Android、iOS、鸿蒙多平台做深度适配，解决端侧算力、功耗、内存、稳定性等硬核工程问题； 4、结合LLM/Agent最新演进方向，迭代工具链与部署方案，持续提升端云协同智能的效率与体验。

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：App Infra是字节跳动面向应用的基建中台部门，以App侧性能/稳定性深度优化为基础，结合LLM、Agent、生成式推荐模型等前沿技术，为字节跳动旗下的核心应用提供终端+平台的解决方案。于下层，结合操作系统、虚拟机、工具链、编译器等技术，建设了稳定性、流畅性、电量在内全链路的监控体系和调试分析工具；于上层，则结合端侧特征工程、深度学习模型/决策树模型/SLM训练等基建，围绕搜索/推荐/广告/直播/电商等场景，建设了云端协同推荐、品质体验优化等端智能解决方案。如果你热爱挑战底层技术、追求极致优化，又渴望把AI转化为千万用户感受得到的流畅与智能——欢迎加入，和我们一起打造下一代移动体验！ 1、面向字节跳动客户端研发场景，搭建稳定、高效的Agent Harness（涵盖移动运行时知识库、Skills&CLI、规模化验证体系等），并基于Trace机制持续优化长程执行的效率与效果； 2、面向客户端研发全流程，整合Issue Diagnosis、Coding、回顾与Validation等能力，构建并标准化AI Agent体系，推动在TRAE等IDE及研发平台的规模化落地，持续提升Agent在真实研发场景中的稳定性、可控性与研发效率。

团队介绍：字节跳动基础架构团队主要负责公司云基础建设，支撑着字节跳动旗下多款APP产品，如抖音、今日头条、番茄小说、西瓜视频、飞书、剪映等，同时也负责支持火山引擎公有云业务。迄今为止，我们通过云技术管理着百万量级的服务器构成的超大数据中心；我们通过字节深度优化的Kubernetes管理超过千万容器实例支持10万+微服务；我们还通过丰富的存储产品矩阵，如NewSQL、NoSQL、云存储等治理EB级的数据资产；我们积极拥抱开源和创新的软硬件架构，致力于构建业界领先的云基础设施，为整个公司的业务和客户发展保驾护航。我们热切期待对技术有追求、对大型系统有深刻见解的同学加入基础架构团队一起构建基础设施系统。 课题介绍： 课题背景： 在大语言模型蓬勃发展的当下，本课题聚焦于智能云基础设施与数据处理关键技术的多维度研究，旨在全面提升云服务在 AI 场景下的综合性能与效率。 课题挑战： 1、新一代搜索型数据库：当前产业界广泛应用的ElasticSearch面临数据与用户需求的深刻变革。需实现语义检索升级，突破关键词匹配限制，以满足学术研究等领域对语义理解和精准检索的要求；具备处理和融合多模态数据的能力，应对互联网图像、音视频多模态数据的爆发式增长；优化检索过程，更好地支持检索增强生成（RAG）技术，为语言模型提供优质信息；同时，需应对各行业海量数据存储检索压力，提升搜索实时性与跨语言能力； 2、面向LLM的下一代智能云基础架构：一方面，自动化和智能化管理基础架构各系统生命周期，深度融合人工智能与基础架构关键系统，建设大规模工业级Self-Driving Infra平台；另一方面，针对新涌现的LLM应用场景，在基础架构各个领域进行前沿技术创新，与字节工程团队合作，设计和开发高性价比且简单易用的下一代大模型基础架构，为火山引擎奠定技术与业务增长基础； 3、面向 AI 场景的serverless高性能弹性文件系统关键技术研究：大模型时代数据量爆炸式增长，当前文件系统多采用中心化元数据架构，难以水平扩展，限制文件系统规模及元数据性能。本研究将围绕元数据扩展性、与大模型深度结合提供Data Insight、设计高性能元数据单机引擎、实现任意目录快照、融合文件系统和对象存储元数据、内存加速、提供QoS（性能租户隔离和目录隔离）、故障处理（故障域隔离和故障无损）以及研发高性能客户端（用户态文件协议和DPU卸载）等关键技术展开； 4、面向大规模AI集群的高速通信和稳定性优化：随着大模型训练/推理业务规模增长，底层高速网络面临挑战。一方面，需解决GPU服务器硬件资源利用率偏低问题，包括充分利用CPU和内存空闲资源，以及研发计算通信融合的高性能集合通信库，实现通信算子与计算任务的深度融合；另一方面，在稳定性方面，提升故障快速发现和根因定位能力，解决网络吞吐不达预期等典型故障。

我们作为网约车核心研发团队，负责滴滴网约车与花小猪的多端业务研发，涵盖App、小程序、Web应用、运营增长及内部系统等全场景技术实现。在这里，你将：参与滴滴核心业务的多端研发，用技术驱动网约车领域的创新实践 深入探索Web与客户端协同开发模式，构建跨端技术解决方案 参与全栈式业务研发，从产品设计到技术实现的全流程闭环开发 推动团队技术架构升级，参与开源项目及前沿技术预研，与团队内的各位大牛一起解决复杂业务的技术挑战。团队优势：技术生态完整：涵盖移动端（iOS/Android/鸿蒙）、小程序、跨端技术、Web（Vue/React）、Node.js等技术栈 业务场景丰富：覆盖线上运营、客户端核心模块、中后台系统、数据可视化等多维度项目 研发能力闭环：拥有全平台研发能力，配套完善的设计、产品、服务端及质量保障体系 开源技术领先：主导开发cube-ui、mpx等知名开源项目，持续输出跨端解决方案 1、参与滴滴业务平台终端 iOS 平台上相关产品功能的研发及优化 2、参与技术方案的讨论与技术调研，参与产品需求讨论与研发 3、编写、维护规范的项目文档，以及项目的其他相关工作。