字节跳动
算法专家-豆包手机助手
算法专家-豆包手机助手
发布于 大约 11 小时前基层主管/组长
北京市 / 上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
深度学习
RAG
LLM
模型部署
算法设计
多模态
SFT
Prompt Engineering
RLHF
AI 估算 · 50k–80k
高级算法专家，LLM方向稀缺，字节跳动薪资竞争力强，参考深圳大厂行情，月薪5-8万合理。
职位详情
关于这个职位
作为字节跳动豆包手机助手团队的算法专家，你将带领团队负责LLM相关算法的全流程工作，包括数据、训练、评测和推理部署
你将主导大语言模型（LLM）及多模态模型的前沿技术研究与应用落地，与业务部门协作将AI技术转化为实际产品竞争力
该职位要求5年以上深度学习经验，尤其需要丰富的LLM开发与项目落地经验
最低要求
计算机相关专业硕士学位及以上，具有5年以上深度学习算法研究与开发经验，其中至少2年以上LLM开发及实际落地项目经验，并拥有带领团队完成相关复杂项目的经历
具有深度学习领域有深厚造诣，精通LLM相关算法体系，对单模态/多模态LLM训练（RAG/SFT/RLHF/Prompt）、部署和蒸馏等关键领域有深入研究与丰富实践经验，能够凭借自身专业知识指导团队解决技术难题
具备卓越的算法设计与实现能力，能够从复杂的业务问题中精准提炼核心要点，转化为有效的算法模型，并带领团队完成从模型构建、训练优化到上线部署的全流程工作，确保算法模型的高效运行与实际业务价值的实现
工作职责
带领团队统筹模型的全流程工作，包括但不限于数据、训练、评测、推理部署，保证数据的高质量和有效性
主导LLM算法应用研究与落地实践，密切关注LLM领域的前沿技术动态，包括语言LLM、多模态LLM，Prompt工程/RAG/Agents/SFT/RLHF等最新研究成果
带领团队开展创新性的应用研究，将前沿技术转化为实际生产力，为公司产品和业务提供技术优势
积极与业务部门沟通协作，深入挖掘各种场景下的潜在需求，将AI技术与业务需求紧密结合，设计并实施针对性的技术方案，以增强业务的迭代效果和竞争力
在LLM算法落地过程中，负责牵头解决复杂技术难题
组织团队进行技术攻关，协调各方资源，确保项目顺利推进并达到预期效果
优先资格
拥有高关注度的机器学习相关博客或GitHub项目，展示出在技术社区的活跃度和影响力，能够为团队带来技术交流与合作的机会，提升团队的技术知名度
有过数据挖掘、机器学习或ACM-ICPC/NOI/IOI相关的竞赛经历并取得优异成绩，证明具备优秀的算法思维和问题解决能力，能够在团队面临技术挑战时提供独特的解决思路
作为主要作者有国际会议（KDD/NeurIPS/ACL/EMNLP/IJCAI/AAAI/SIGIR等）Paper发表者优先，体现了在学术领域的深厚造诣和行业认可度，能够提升团队在学术界和工业界的影响力
岗位地点：北京、上海、深圳
AI 洞察
优缺点分析
优点
- 置身LLM技术最前沿，参与核心产品研发，技能积累快
- 字节跳动平台大，资源丰富，项目影响力强
- 薪资待遇优厚，福利完善，股票期权潜力大
- 团队技术氛围浓厚，有大量技术交流和学习机会
- LLM领域竞争激烈，技术迭代迅速，需要持续学习
- 对算法和工程能力要求高，需要同时兼顾研究与落地
缺点 / 挑战
- 工作强度较高，项目周期紧张，可能面临较大压力
- 适合具有深厚深度学习背景、热爱LLM技术、具备团队领导力、乐于接受挑战的高级算法工程师
角色解读
- 可在技术深度上持续深耕，成为LLM领域的顶级专家
- 可向技术管理方向发展，担任技术总监或架构师
- 在字节跳动内部可跨团队流动，接触不同业务场景
- 负责带领团队完成LLM模型从数据准备、训练到部署的全流程工作
- 主导前沿LLM技术（如多模态、RAG、RLHF）的研究和落地，转化为产品能力
- 与产品、业务团队协作，挖掘AI应用场景并设计技术方案
- 攻克模型落地中的技术难题，协调资源确保项目推进
- 精通LLM相关算法体系，包括训练、微调、部署和蒸馏
- 具备扎实的深度学习理论基础和算法实现能力
- 有带领团队完成复杂项目的经验，具备技术领导力
- 熟悉Prompt Engineering、RAG、Agents等前沿技术
申请策略
- 了解字节跳动豆包手机助手的产品特点，思考AI如何赋能
- 准备一个完整的LLM项目案例，展示从问题定义到上线效果的全过程
- 重点突出LLM相关项目经验，特别是从零到一的落地案例
- 强调团队管理或技术领导经历，体现技术决策能力
- 列出顶会论文、竞赛获奖或高影响力开源项目
- 展示对前沿技术的追踪和理解，如RLHF、多模态等
- 深入掌握最新LLM训练框架（如DeepSpeed、Megatron）和部署工具
- 补充MLLM（多模态大模型）的相关实践经验
面试指南
- 对于项目类问题，使用STAR法则：情境、任务、行动、结果
- 对于技术原理问题，从核心概念出发，结合实际经验阐述
- 对于开放性问题，展示思考框架，先定义问题再分点回答
- 请详细介绍你主导过的LLM落地项目，包括挑战和解决方案
- 如何设计一个RAG系统？关键优化点有哪些？
- SFT和RLHF的原理是什么？实际训练中遇到过哪些问题？
- 如何评估LLM生成质量？有哪些评测指标？
- 在模型压缩和部署方面有哪些经验？
职位点评
71
综合评分
字节LLM算法专家，前沿技术、高薪，但工作强度大、WLB一般。
更适合这类人
该职位最适合追求技术成长和薪资回报的求职者，能接受高强度工作节奏。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利
85较高
字节跳动薪资水平在行业前列，福利完善，对补偿性动机满足度高。
薪资信号未披露（AI估算：50K-80K/月）
成长发展
90较高
LLM前沿技术栈，项目实战机会多，团队技术氛围好，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈LLM、多模态、RAG、SFT、RLHF、Prompt Engineering、Agents
业务类型profit_center
工作生活
40较低
字节跳动工作强度普遍较高，未提及WLB，且要求现场办公，生活化动机满足度较低。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
AI大模型是高速增长赛道，对社会有较大影响，但JD未明确社会价值导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs