招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
1、负责字节跳动AI Agent产品Aime的Agent主架构研发与优化,包括但不限于上下文组装与压缩、Memory机制（短期/长期/情景记忆）、调度机制等核心模块的设计与落地； 2、负责Skill体系与扩展能力建设,涵盖Skill框架设计、插件化生态、Skill自进化机制等方向的研究与工程化； 3、负责Agent端到端效果调优与效率优化； 4、负责进行AI前沿技术的调研与落地。
团队介绍：Data-语音团队致力于语音、音乐等大模型AIGC技术的研发和产品创新，我们的使命是通过多模态AIGC音频技术赋能内容创作和语音交互，让内容生产、消费与互动变得更加简单、沉浸、多元化。当前团队已有成熟的大模型语音合成、语音理解、音乐生成等多模态音频技术，并持续迭代大模型端到端语音交互方案等，一方面通过中台形式服务于公司众多业务线，例如豆包/Dola、抖音/TikTok、剪映/CapCut、番茄小说、海绵音乐等产品；另一方面，团队已经通过字节跳动旗下的火山引擎开放平台-语音技术和火山方舟平台，向众多企业开放技术成熟稳定的能力和服务。 1、负责团队大模型平台规划设计和研发迭代，提升模型生产交付效率，持续推进语音理解、生成创作以及多模态端到端大模型最新技术落地； 2、负责设计和开发大规模预训练数据处理管线，建设数据scaling能力保障基座模型预训练，提供稳定、可靠的高质量数据处理能力； 3、负责设计并实现高可用、可扩展、分布式机器学习平台，与算法、引擎、推理后端工程师密切配合，理解深度学习模型研发和部署流程，支撑多地域语音大模型服务高效迭代更新； 4、提升平台效率、易用性、降低使用成本，探索业界前沿的机器学习相关技术，设计并实现到机器学习平台。
1、根据业务规划和目标，拆解团队任务，制定商户开发运营策略及计划； 2、定期收集分析行业、商圈及市场情况，为业务决策提供信息和数据支持； 3、研究平台账号、市场流行趋势，探索并输出营销策略和内容玩法，打通流程； 4、整合、协调内外部资源，对内协调与视觉等跨部门协作，对外整合行业、地域与公司资源，推动整体营销解决方案输出； 5、陪访客户，建立并维护客户关系，打通客户职业圈； 6、组建高质量的业务团队，对团队梯队搭建、人才培养、人员管理负责，通过组织演练、早启动晚复盘、陪访监督和账户数据分析等，管控过程指标，确保销售目标达成。
1、高危案例处置：负责处理重大、高危、疑难客户投诉纠纷及核查判责；梳理评估风险、精准识别下钻和评估举证；运用谈判技巧推动问题及时有效解决，并对处理结果负责； 2、风险识别与预防：能精准识别出客户投诉问题中存在的风险隐患，及时升级预警，并协调多方资源推动解决；维护企业形象，控制负面舆情扩散； 3、优化与改善：总结沉淀可复制的成功案例，分享判责经验及谈判技巧；能发现流程、产品、风险问题并协同推动治理与业务各维度的运营改善。
团队介绍：抖音搜索是抖音的核心产品能力之一，满足用户找内容、找商品、找服务、找经验、找人等多元需求，基于海量的内容和商品供给、领先的意图识别和产品能力，用户搜索规模保持高速增长，快速成为中国第一梯队的移动搜索平台。抖音搜索业务体系完善，涵盖内容、电商、生活服务、推荐、交互、数据分析等多个方向。AI大模型和抖音内容生态的结合，会给抖音搜索带来的新的增长动力！ 1、负责UGC内容生态工作，结合大模型、AI能力进行用户体验洞察，分析生态现象和定义关键问题，从创作侧和分发侧分析生态主要矛盾和问题产生的核心原因，主导设计解决方案，推动优化消费体验； 2、建设内容生态和分发体验评估能力，设计Rubrics通过大模型能力搭建策略评估体系，通过数据分析洞察标准刻画缺陷和画风体验问题，协同推荐设计优化策略并落地； 3、深入理解内容“生产-审核-分发”全链路，基于LLM进行内容理解，探索AI在个性化推荐等场景的应用，提升分发效率。
1、负责直播流相关的后端技术方案的设计与实现； 2、服务端高可用架构的演进工作，包括但不限于架构优化、组件容灾、代码重构等工作； 3、大规模高并发系统的性能调优，长期优化服务端性能； 4、在直播CDN之间进行直播流的分配与调度，迭代调度算法实现不断升级的调度目标； 5、系统稳定性建设，包括高可用架构、故障响应、容灾演练、软件工程（Code回顾、文档建设、CI/CD）等。
1、负责剪映系产品AI安全网关服务的整体架构设计，确保系统具备低延迟、高吞吐、高可用的特性，能够支撑亿级用户的实时调用； 2、主导开发LLM安全护栏的核心后端模块，包括但不限于Prompt/输出过滤、越狱攻击检测、敏感信息识别与脱敏等，设计灵活、可插拔的安全流水线（Pipeline），支持快速集成多种检测模型、规则引擎与第三方安全服务，解决AI安全服务在性能、资源消耗、跨语言适配等方面的技术挑战，持续进行架构优化； 3、与安全研究团队紧密合作，设计并实现针对新兴攻击手法的防御机制，保持安全能力的前瞻性，构建自动化的AI安全评测框架与指标体系，用于持续监控和量化安全护栏的防御效果与业务影响； 4、研发支持安全策略配置、风险事件分析、攻击样本管理的后台工具，提升AI安全运营效率，与算法、产品、模型研发等团队密切沟通，确保安全方案与业务目标、模型特性紧密结合，并推动安全需求落地。
1、深入探索LLM在编程、个人助理等各种场景中的应用，支持TRAE、扣子等业务的端到端评测工作，Agent评测、调优和自迭代等相关工作； 2、制定评测标准，开发评测Agent，建设自动化评测基建，同时通过数据分析与算法改进，持续探索创新的评测方法； 3、构建大规模高质量的数据（数据建设、数据抓取与解析、数据合成等），提出更好的Benchmark，度量Agent和模型能力； 4、关注行业动态与技术趋势，及时引入新的技术和理念，跟随团队校企横向项目、学术论坛会议、发布论文等，协助团队构建学术界影响力。
1、负责金融阵地流量增长的数据分析工作，基于业务逻辑及发展目标，能够高效完成异动归因、BI建设、A/B实验等复杂的数据工作； 2、深入理解金融流量特性及分发机制，以及阵地内用户路径的流转特点，完成探索性的专项分析，从数据中挖掘流量、产品、供给方面存在的问题，提高流量转化可能及流量价值； 3、了解积分体系玩法，帮助业务提升流量阵地的用户规模及留存； 4、与产品运营、算法技术以及其他部门完成高质量沟通，保证推动数据分析结论的落地与持续优化。
1、深入探索LLM在编程、个人助理等各种场景中的应用，支持TRAE、扣子等业务的端到端评测工作，Agent评测、调优和自迭代等相关工作； 2、制定评测标准，开发评测Agent，建设自动化评测基建，同时通过数据分析与算法改进，持续探索创新的评测方法； 3、构建大规模高质量的数据（数据建设、数据抓取与解析、数据合成等），提出更好的Benchmark，度量Agent和模型能力； 4、关注行业动态与技术趋势，及时引入新的技术和理念，跟随团队校企横向项目、学术论坛会议、发布论文等，协助团队构建学术界影响力。
1、负责剪映系产品AI安全网关服务的整体架构设计，确保系统具备低延迟、高吞吐、高可用的特性，能够支撑亿级用户的实时调用； 2、主导开发LLM安全护栏的核心后端模块，包括但不限于Prompt/输出过滤、越狱攻击检测、敏感信息识别与脱敏等，设计灵活、可插拔的安全流水线（Pipeline），支持快速集成多种检测模型、规则引擎与第三方安全服务，解决AI安全服务在性能、资源消耗、跨语言适配等方面的技术挑战，持续进行架构优化； 3、与安全研究团队紧密合作，设计并实现针对新兴攻击手法的防御机制，保持安全能力的前瞻性，构建自动化的AI安全评测框架与指标体系，用于持续监控和量化安全护栏的防御效果与业务影响； 4、研发支持安全策略配置、风险事件分析、攻击样本管理的后台工具，提升AI安全运营效率，与算法、产品、模型研发等团队密切沟通，确保安全方案与业务目标、模型特性紧密结合，并推动安全需求落地。
1、结合大模型（LLM）能力，探索并实现AI驱动的新一代数据开发治理平台（包括数据开发、数据运维、数据治理等）； 2、负责相关OpenAPI&CLI、Skill/Agent的设计、开发及性能优化，推动大数据平台朝AI-ready&AI-Native方向演进； 3、设计并优化高并发、高可用的全球化多机房数据平台架构，涉及多任务类型开发、大规模任务调度、多机房任务智能运维、超大规模数据治理等，支持大规模数据开发用户的使用场景； 4、推动多机房架构优化，提升系统的稳定性、可扩展性和易维护性； 5、关注业界大数据开发工具和AI赋能技术的最新进展，推动相关技术在团队内的落地与实践。
The AI Data and Safety team plays a critical role in advancing Seed's foundational models, AI products across modalities, and improving AI-native applications built on the Seed model series. We work across the data lifecycle, from defining evaluation approaches, translating user feedback and benchmark outcomes into data requests, to building scalable processes that improve data quality and support rapid model iteration. Our team combines technical and operational capabilities, bringing together multidisciplinary and multilingual talent across product management, data engineering, and data operations. Our work is driven by people who think deeply about model behavior, move quickly to solve complex problems, and bring first-hand experience as both builders and users of models and agents. In close partnership with internal researchers, industry experts, and leading data vendors, we tackle challenging data problems at the frontier of AI development, helping improve both model performance and user experience. As more large AI models are being developed, high-quality data has become the core fuel driving the leap in model capabilities. Our team – AI Data & Safety – Data Annotation and Evaluation Operations – is the builder and operator of this critical link. Our value lies in transforming the "intelligence" scattered across individual experience and organizational knowledge into "data" that models can understand and learn from by establishing a scientific and efficient data production and operation system. This directly drives the iteration of model capabilities and the implementation of various AI applications. We serve not only as key infrastructure supporting ByteDance’s AI strategy, but also as the core bridge connecting human wisdom and machine intelligence. Our specific responsibilities include providing data training, model evaluation, model operation, and user growth for ByteDance’s large model business, driving continuous improvement and application of model capabilities. As an Analyst, you will have the opportunity to engage in impactful projects that provide you with plenty of professional, real-world experience in the AI industry. You will gain practical skills through on-the-job learning in a fast-paced work environment and have opportunities to solidify your foothold in the fast-growing AI space. Applications will be reviewed on a rolling basis - we encourage you to apply early. Your Role Will Involve: 1. Project Management: Lead and manage data annotation, evaluation, and/or user growth projects for various AI product modalities (LLM, VLM, Speech or Video) across multiple General, STEM, or non-STEM academic topics. Ensure that timelines, quality standards, and objectives are met appropriately with meticulous planning. Track project progress, identify risks, and implement corrective actions as necessary to keep projects on course. Build and maintain strong relationships with product managers, researchers, data annotators, and other cross-functional team members. Communicate project updates, address concerns, and align expectations to ensure successful project outcomes. Engage with external vendors and experts per project demands and scale project productivity. 2. Workflow Design and Management: Design, manage, and optimize workflows for each project you own, including training design, data annotation or QA processes, and performance tracking to meet project needs. Proactively plan and perform quality and productivity improvements to enhance operational processes. Develop and maintain technical guidelines and casebooks to support consistent, high-quality data production. Collaborate closely with product managers, project leaders, cross-functional teams and external collaborators to ensure alignment on quality metrics and project expectations. 3. Data Checking and Analysis: Design and implement robust data analysis strategies to evaluate training and evaluation datasets. Ensure the mathematical accuracy and statistical validity of all project data. This includes designing and implementing robust data checking protocols, performing deep-dive analysis to identify trends and anomalies, and translating quantitative findings into actionable insights for model improvement in reports. You will collaborate with data annotators, researchers, and product managers to define quality benchmarks and ensure data-driven decision-making throughout the project lifecycle. 4. Continuous Learning: Regularly follow the progress of competitor large models and related cutting-edge technologies, continuously explore efficient data production methods such as automated data scraping, model evaluation, and Agentic/Code-based data synthesis, and become an expert in one or more content verticals (such as Pre-training, Math or MultiModal Machine Learning). Foster a collaborative environment, sharing new learnings and best practices for knowledge transfer within the team.
1、负责综合到店服务行业类目的运营：包含休闲娱乐、亲子游玩、丽人医美等行业类目，输出沉淀行业策略和玩法，协同前端业务实现行业GMV的健康增长； 2、识别行业增长机会点输出解决方案，内外部视角洞察行业的品类发展趋势，牵头产品、规则、市场等垂直团队建立解决方案，并组织落地拿回结果； 3、协同业务，阶段性打造各类玩法、头部客户标杆案例，并沉淀经验方法进行快速复制。
1、负责生活服务KA资源运营工作，通过资源策略探索、设计、落地，在保障业务目标达成的同时，提升整体资金效益； 2、建立并完善适配各阶段的资源管控和提效体系，根据业务策略敏捷支持资源的分配和追加，保持独立客观，在合规框架下做好底线约束，在品类、交易渠道等维度上持续探索更优的资源使用方法，助力业务目标达成； 3、整合资源管理工具，线上化包括预算制定、立项评估、执行跟踪、结项复盘等资源管理过程; 4、负责综合线下零售行业类目的运营：包含商超、百货、汽车及车后市场等行业类目，输出沉淀行业策略和玩法，协同前端业务实现行业GMV的健康增长。
1、负责穿山甲端到端（End-to-End）推荐架构的设计与落地。打破传统“召回-粗排-精排”多阶段拼接的系统瓶颈，探索统一的表征与对齐方案，完成端到端推荐模型对传统漏斗架构的全面升级与替换； 2、负责广告场景下的超大规模推荐模型（LRM），探索CTR/CVR基础⼤模型的多维度Scaling Law，包括⼴告模型的全域超⻓序列建模、模型参数量/计算量/样本量的全面Scaling Up，以及LLM/多模态⼤模型前沿技术与⼴告⼤模型的结合和应⽤，推进广告业务模型的范式升级； 3、设计并探索Scale上限更高、变现ROI更好的新型网络结构；紧跟行业前沿科研，应对千亿参数与海量并发带来的系统级挑战，联合工程团队优化大模型的训练吞吐与在线推理的算力利用率，持续突破变现效率天花板； 4、探索事件序列驱动的生成式推荐范式，将大语言模型（LLM）、多模态理解、强化学习与系统优化深度融合，完成生成式模型对传统推荐模型的替换落地。
1、负责豆包办公与生产力方向的Agent技术研发，包括通用复杂任务的通用Agent架构、Office工具相关的Agent解决方案等，设计Multi-Agent框架、复杂上下文管理、长任务Harness构建等； 2、探索Agent方向的创新方法与技术，提出更先进的Agent范式，引领行业技术发展； 3、设计并实现易用高效的Agent开发周边套件工具，提升开发效率，降低使用Agent技术的门槛，保障交付质量。
1、负责抖音基础产品核心容器的设计，主导AI Feature在个人页、侧边栏等全局容器的应用层落地，将AI能力融入用户流程； 2、负责AI Feature从场景洞察、需求分析、产品设计到上线追踪的完整生命周期，对关键数据指标负责； 3、与研发、算法、设计等团队紧密协作，推动AI产品方案高质量落地。
1、负责穿山甲网络服务、电商多行业产品运营，制定运营策略并落地，承接团队与客户业务指标； 2、挖掘行业增长潜力，联动客户探索业务创新；挖掘产品优化机会，推动版本迭代与功能升级； 3、通过客户及市场分析、行业洞察，输出运营策略并跟进落地执行； 4、持续跟踪行业与客户动态，为业务决策提供专业判断与支撑。
1、负责抖音投稿业务及独立端随变业务推荐页生态策略的迭代，聚焦提升用户创作表达意愿，降低用户投稿门槛，优化投稿后体验反馈； 2、优化用户投稿全生命周期体验，提升投稿前感知，投稿中转换效率以及投稿后的用户体验，挖掘更多玩法，结合用户投稿动机，优化跟拍链路效率与体验，分析投稿感知、投稿素材与投稿增长的关系，提升投稿规模； 3、策略迭代优化：通过数据分析洞察推荐策略中的问题，推动迭代与优化，确保投稿推荐目标的达成； 4、资源协调与执行：高效执行，协调各方资源并帮助团队整体完成目标，在跨部门协作中保障策略落地。