夸克AI Infra实习生-AI搜索/向量检索方向（研究型）
任职要求
1、在读硕士或博士，研究型/学术背景优先；有扎实的数学基础，理解高维向量及近邻检索的基本理论； 2、熟悉一种或多种向量检索工具/库（如 FAISS、HNSWlib、Milvus、Annoy、ScaNN）或有实现过索引/检索算法的经验； 3、良好的实验设计能力与论文阅读/…
工作职责
作为研究型实习生，你将加入公司AI搜索/向量检索方向的研究团队，参与超大规模高维向量压缩、索引与高效检索相关的前沿算法与系统实现工作。该岗位以科研驱动为主，进行理论研究、算法设计、工程原型与实验评估，并鼓励发表顶会/期刊论文与开源贡献。 1、研究高维向量压缩与量化技术，改进存储-性能-精度权衡； 2、研究近似最近邻（ANN）索引结构与检索算法，关注检索召回率、延迟与吞吐量； 3、结合硬件特性研究向量压缩、存储、索引以及检索的优化方案； 4、将研究成果落地为可复现的工程原型，集成/对接常用向量检索引擎； 5、撰写技术报告与论文，与团队成员及外部学术界保持沟通交流。
Top Seed人才计划-豆包大模型研究实习生专项：面向 2025 年 9 月及以后毕业的博士及本硕在读同学，加入我们，你可以自主决定研究课题，与正式员工享受同等权限和资源，和优秀的研究员一起，向智能上限发起挑战。 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、利用大模型优化搜索相关性、权威性、时效性等模型，解决各种复杂长尾查询的Ranking问题； 2、利用大模型做DOC理解，筛选优质DOC以及更好支持在线检索； 3、大模型在搜索召回和粗排等阶段的应用。
Top Seed人才计划-豆包大模型研究实习生专项：面向 2025 年 9 月及以后毕业的博士及本硕在读同学，加入我们，你可以自主决定研究课题，与正式员工享受同等权限和资源，和优秀的研究员一起，向智能上限发起挑战。 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、利用大模型优化搜索相关性、权威性、时效性等模型，解决各种复杂长尾查询的Ranking问题； 2、利用大模型做DOC理解，筛选优质DOC以及更好支持在线检索； 3、大模型在搜索召回和粗排等阶段的应用。
ByteIntern：面向2026届毕业生（2025年9月-2026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：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、利用大模型优化搜索相关性、权威性、时效性等模型，解决各种复杂长尾查询的Ranking问题； 2、利用大模型做DOC理解，筛选优质DOC以及更好支持在线检索； 3、大模型在搜索召回和粗排等阶段的应用。
Top Seed人才计划-豆包大模型研究实习生专项：面向 2025 年 9 月及以后毕业的博士及本硕在读同学，加入我们，你可以自主决定研究课题，与正式员工享受同等权限和资源，和优秀的研究员一起，向智能上限发起挑战。 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、利用大模型优化搜索相关性、权威性、时效性等模型，解决各种复杂长尾查询的Ranking问题； 2、利用大模型做DOC理解，筛选优质DOC以及更好支持在线检索； 3、大模型在搜索召回和粗排等阶段的应用。