字节跳动
大模型算法工程师-AI Coding
大模型算法工程师-AI Coding
发布于 大约 13 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
学历未注明
机器学习
NLP
LLM
代码生成
SFT
VLM
大模型
RLHF
AI 估算 · 40k–65k
大模型方向热门，字节薪资竞争力强，技术难度高，市场薪资水平偏高。
职位详情
关于这个职位
该职位负责研发适用于代码提效场景的大模型能力，包括高质量数据挖掘与合成、大模型对齐效率优化、Agent设计及端到端训练
你将参与IDE代码补全、代码修复、漏洞检测等实际应用落地，持续跟踪LLM/VLM前沿技术
适合有大模型、NLP或代码生成经验，热爱技术探索的算法工程师
最低要求
优秀的代码能力、数据结构和基础算法功底，熟练掌握至少一门语言，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先
熟悉NLP、CV、ML等相关的技术，深入理解大模型或图片视频生成等相关技术栈（如RLHF、SFT、Dit/Vit/Transformer、Stable Diffusion等）
出色的问题分析和解决能力，有自主探索解决方案的能力
良好的沟通协作能力，能和团队一起探索新技术，推动技术进步
工作职责
负责研发提效场景所需要的大模型能力的研发和应用，研究高质量数据的挖掘和合成、大模型的对齐效率、Agent的设计&端到端训练等等，不断思考和跟进AI的最新进展对我们的价值，探索下一代的研发模式
高质量数据挖掘清洗使用，数据自动、半自动合成方案研究探索，设计针对代码场景的原子任务、全链路任务的评测方法
研究LLM/VLM训练与优化技术，包括微调、强化学习（RLHF）、知识蒸馏等，提高大模型在代码场景下的能力
尝试落地到各种应用场景，比如：IDE代码补全、代码能力QA、场景化Agent、代码自动修复、漏洞检测等等
持续跟踪LLM/VLM领域的最新技术动态，并将其应用于实际业务场景中，推动技术落地
优先资格
在大模型领域，主导过有影响力的项目或论文者优先
在ACL/EMNLP/ECCV/CVPR等顶会发表论文者优先
有代码基座经验，有强化学习结合大模型落地经验，有Multi-Agent、Tool-Use等有相关经验优先
AI 洞察
优缺点分析
优点
- 前沿技术栈，紧跟大模型和AI Coding最新发展
- 字节跳动平台资源丰富，业务场景直接，成果易见
- 薪资水平高，股票期权等福利优厚
- 团队技术氛围浓厚，成长空间大
- 工作强度大，需适应快速迭代和高压节奏
- 技术竞争激烈，需要持续学习保持领先
- 研究型工作有一定不确定性，需具备强探索能力
- 适合有大模型或代码生成经验、热爱技术钻研、追求前沿突破且能接受高强度工作的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 成为大模型算法专家，深化在AI Coding领域的技术影响力
- 向技术Leader或架构师发展，带领团队攻克技术难题
- 可转向更广泛的大模型应用（如多模态、通用Agent）
- 研发大模型能力用于代码提效场景，包括数据挖掘合成、对齐效率优化、Agent设计等
- 探索LLM/VLM训练技术（微调、RLHF、蒸馏）并提升代码场景表现
- 将模型落地到IDE代码补全、代码修复、漏洞检测等实际应用
- 持续跟踪前沿技术，推动技术迭代
- 精通Python及数据结构算法，具备扎实的编程功底
- 深入理解大模型训练技术（RLHF、SFT、Transformer等）
- 熟悉NLP/CV/ML，有代码生成或Agent经验者优先
- 具备优秀的问题分析和自主探索能力
申请策略
- 深入了解字节在AI Coding方向的业务布局（如豆包、CodeGeeX等），在面试中展现匹配度
- 准备一个能体现技术深度和工程能力的项目案例，用STAR法则表述
- 突出大模型项目的完整经历，包括数据、训练、部署等环节
- 强调竞赛获奖（如ACM/ICPC、Kaggle）或顶会论文（ACL/CVPR等）
- 展示代码能力：GitHub项目、开源贡献、高质量代码示例
- 若有大模型对齐（RLHF）或Agent相关经验，重点描述
- 补充RLHF、知识蒸馏等大模型训练技术的实践
- 熟悉Python/C++，练习算法题（LeetCode Hard）
面试指南
- 对技术问题，先阐述核心原理，再结合自身经验给出具体案例或解决方案
- 对开放性问题，结构化回答：现状-挑战-解决思路-预期效果
- 展示分析和推理过程比给出最终答案更重要
- 请介绍你参与过的一个大模型项目，从数据到训练到部署
- 如何设计代码生成模型的数据合成和评测方案？
- 对比深度学习中的RLHF和SFT，它们的优缺点及适用场景
- 如果模型在代码补全场景中效果不佳，你会如何排查和优化？
- 你如何看待大模型在软件工程中的未来发展方向？
匹配度报告
72
综合匹配度
字节大模型算法岗，前沿技术栈、高薪资，但工作强度大、WLB一般。
适合人群
适合以技术成长和薪资回报为首要动机，能够适应高强度工作节奏的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利匹配
85较高
字节跳动薪资水平在行业内具有竞争力，大模型岗位溢价明显，但JD未披露具体福利，综合来看补偿性动机满足程度较高。
薪资信号偏高 (40K-65K/月)
成长发展匹配
95较高
该岗位聚焦大模型前沿技术，涉及数据、训练、Agent等多方面，技能成长空间极大，公司平台也为技术创新提供良好土壤。
技术前沿前沿/新兴技术
技术栈LLM、VLM、RLHF、SFT、Transformer、Agent、代码生成
业务类型cost_center
工作生活匹配
40较低
互联网大厂典型的高强度工作模式，JD未提及弹性或远程，上海科技园办公，生活化动机满足程度较低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
AI Coding属于高速增长赛道，技术创新性强，但岗位本身偏向技术实现，社会影响力中性。
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
Watch Jobs