心动AI实习生（SD模型训练方向）
任职要求
计算机/数学/电子工程等相关专业背景 掌握PyTorch/TensorFlow等框架，熟悉Diffusion Models技术原理 具备Python开发能力，有CUDA/OpenCV项目经验者优先 对游戏美术生产管线有认知者加分 具备英文论文阅读能力，在CVPR/ICML等顶会发表论文者优先 我们提供 √ 深度参与千万级用户产品的实战机会 √ 与AIGC顶尖团队共同成长 √ 弹性工作制+技术分享文化+行业峰会参与机会 √ 完善的实习生培养体系及转正通道 √ 免费三餐
工作职责
参与Stable Diffusion等生成式模型的训练、调优及落地应用 构建面向游戏场景的AI生成系统（角色/场景/道具设计等） 探索多模态数据（文本-图像-3D模型）联合训练方法 开发模型蒸馏、量化及推理加速方案 跟踪AIGC领域前沿技术动态，撰写技术文档
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、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，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、参与模型训练/推理优化算法的研究与开发，运用数据并行、模型并行、通信优化等前沿技术，提升模型训练/推理速度及效率； 2、开发和优化AI研发场景下的工具和方法，持续改进并行训练/推理模型的框架和策略，以满足公司业务的需求； 3、对业务进行性能瓶颈分析，实施模型训练/推理性能优化措施，提升训练/推理效率，同时利用硬件特性最大化资源效用，并与业界技术进步保持同步。
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、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，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、参与模型训练/推理优化算法的研究与开发，运用数据并行、模型并行、通信优化等前沿技术，提升模型训练/推理速度及效率； 2、开发和优化AI研发场景下的工具和方法，持续改进并行训练/推理模型的框架和策略，以满足公司业务的需求； 3、对业务进行性能瓶颈分析，实施模型训练/推理性能优化措施，提升训练/推理效率，同时利用硬件特性最大化资源效用，并与业界技术进步保持同步。
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、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，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、参与模型训练/推理优化算法的研究与开发，运用数据并行、模型并行、通信优化等前沿技术，提升模型训练/推理速度及效率； 2、开发和优化AI研发场景下的工具和方法，持续改进并行训练/推理模型的框架和策略，以满足公司业务的需求； 3、对业务进行性能瓶颈分析，实施模型训练/推理性能优化措施，提升训练/推理效率，同时利用硬件特性最大化资源效用，并与业界技术进步保持同步。
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、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，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、参与模型训练/推理优化算法的研究与开发，运用数据并行、模型并行、通信优化等前沿技术，提升模型训练/推理速度及效率； 2、开发和优化AI研发场景下的工具和方法，持续改进并行训练/推理模型的框架和策略，以满足公司业务的需求； 3、对业务进行性能瓶颈分析，实施模型训练/推理性能优化措施，提升训练/推理效率，同时利用硬件特性最大化资源效用，并与业界技术进步保持同步。