字节跳动VLM大模型数据运营专家（应用方向） - AI数据与安全
任职要求
1、本科及以上学历，计算机科学、人工智能、应用数学等理工科专业背景优先；深入理解视觉理解应用大模型的能力边界、优化逻辑及产业应用场景，熟练掌握提示工程（Prompt Engineering）技术及函数调用相关原理与应用方法；具备VLM/LLM标注方案设计经验、代码开发能力（Python优先），且能从产品视角拆解需求者优先； 2、具备大模型预训练/微调、多模态应用开发、数据爬虫与清洗等相关技术经验者优先；有大模型函数调用应用落地、或完整参与大模型…
工作职责
团队介绍：AI 数据与安全团队为 Seed 基座模型及 AI 原生应用提供跨模态数据服务，覆盖数据生产全流程，包含模型评估标准的制定、数据规模化生产、数据飞轮搭建，不断提升数据质量，支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成，并通过与 Seed 研究员、行业专家、全球顶尖数据供应商紧密合作，从真实场景中收集反馈并分析模型表现数据，解决 AI 前沿突破过程中的复杂数据问题，推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者，也是模型和 AI 产品的一手用户。 1、多模态数据体系构建：全面理解视觉理解应用大模型的用户场景，主导图像、视频到文本的数据生产全链路体系搭建；以用户需求与产品目标为锚点，对数据的质量基线与交付效率负责，构建数据生产与模型迭代的闭环协同机制，助力模型效果与用户体验同步实现阶梯式提升； 2、数据标准与流程优化：基于视觉理解模型的业务场景与能力边界，制定覆盖数据采集、标注、清洗、校验的全链路标准体系，并通过持续迭代优化保障数据质量； 3、标注效能体系建设：聚焦标注全流程提效，结合Function Call技术特性优化模型与工具的交互链路，通过提示工程（PE）优化、标注工具定制开发（含Function Call调用逻辑适配）、人机协同标注模式创新等多元手段，构建自动化+智能化的标注效能提升方案，突破传统标注的效率瓶颈； 4、跨域协同与策略输出：深度联动算法、产品及业务团队，精准拆解模型原理、算法逻辑、产品目标及用户核心诉求；具备敏锐的产品思维与用户视角，能将用户痛点转化为数据策略依据，输出具备技术可行性、业务价值及用户体验优化属性的数据构造策略、生产优先级方案及风险预判建议，成为跨团队协同的核心枢纽； 5、能力沉淀与团队赋能：构建视觉理解大模型（VLM）的知识赋能体系，通过带教、案例拆解、实操培训等方式，提升非技术岗团队成员的模型认知水平与工具应用能力，推动团队整体业务达成效率提升。
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：大模型数据服务中心，是抖音集团旗下为大模型业务提供数据、评估、运营等专业解决方案的团队； 主要承接大模型数据生产、大模型评估及运营相关的业务，与研发、产品等团队紧密合作，在预训练、数据监督微调、模型强化学习、模型能力评估、产品运营等大模型全链路数据环节，共同推动模型能力持续提升与应用。 1、主导核心方向数据生产全流程管控，对数据质量与交付效率负总责，紧密联动模型迭代环节，确保数据供给与模型效果优化同频共振； 2、结合视觉理解模型的核心能力场景，制定科学规范的数据生产标准与流程，并持续迭代优化；主动设计并落地数据生产效率提升、模型效果优化相关实验，输出客观严谨的结论并反哺流程升级； 3、探索并落地多元化标注提效方案，包括但不限于标注工具优化、提示工程（PE）撰写、Agent自动化标注搭建、标注模式创新等，提升数据生产效能； 4、深度协同算法、产品团队，精准理解模型原理与算法逻辑，针对性输出数据构造、生产策略等专业建议，助力打通“数据-模型-效果”的闭环链路； 5、承担团队知识输出与带教职责，协助非技术向成员提升大语言模型相关认知与实际应用技能，赋能团队整体业务目标达成。
1、负责多模态大模型在检索与推荐场景下的算法设计和模型开发，包括多源数据（文本、图像、音频等）的特征融合与相关性建模； 2、研究并实现多模态内容的智能检索与个性化推荐，参与召回、排序等系统模块的研发，推动多模态大模型在实际业务中的应用。
1. 前沿算法研发：负责探索和研发最前沿的视觉语言大模型（VLM）算法，跟进并掌握领域内的最新技术动态（如InternVL Qwen-VL等）。 2. 模型训练与优化：参与或主导公司VLM模型的训练，包括但不限于数据处理、CPT、指令微调（SFT）、以及基于人类反馈的强化学习（RLHF）等全流程算法的研发与优化。 3. 多模态能力融合：致力于提升模型在图像、视频等多种视觉模态上的理解、推理和生成能力，实现视觉信息与语言能力的深度融合。 4. 应用场景落地：推动VLM技术在公司具体业务场的应用落地，解决实际业务中的挑战。 性能优化与部署：负责模型的性能优化，包括模型剪枝、量化、蒸馏等，并配合工程团队将模型高效部署到云端或嵌入式设备，实现低延迟、高吞吐的推理服务。
-负责 GUI Agent 专用 VLA 模型的训练与微调，包括基于 Qwen-VL、Qianfan-VL 等多模态模型的架构设计与实验迭代 -主导后训练全流程（SFT → RM → RL）的算法设计与落地，具备 RLHF / DPO 等对齐方法的工程实践经验 -设计并落地 GUI 操作轨迹数据的自动化采集、清洗与标注 Pipeline，推动数据飞轮闭环，驱动模型持续进化 -主导模型推理加速与生产部署，熟悉 vLLM、TensorRT-LLM 等推理框架及量化技术，持续优化端到端时延与吞吐量 -研究并落地适用于 GUI Agent 场景的高阶推理机制（多步规划、自我反思、动作验证等），持续跟踪前沿进展