字节跳动
豆包大模型算法工程师-火山方舟
豆包大模型算法工程师-火山方舟
发布于 大约 16 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
PyTorch
强化学习
SFT
分布式训练
大模型
RL
vLLM
PPO
Grpo
AI 估算 · 30k–60k
大厂核心算法岗，技术前沿且稀缺，市场竞争力强，薪资有溢价。
职位详情
关于这个职位
该职位专注于大模型强化学习训练系统的开发与优化，包括改进RL训练框架、提升SFT/RL训练性能和稳定性，并探索前沿算法（如Off-Policy RL、SRFT等）
你将加入字节跳动火山方舟团队，参与豆包大模型的核心技术研发，适合具有大模型算法和工程经验的技术专家
最低要求
计算机相关专业本科及以上学历，具有一年及以上大模型算法工作经验，算法与工程能力兼备者优先
熟悉大模型强化学习系统，有OpenRLHF、VeRL使用和开发经验者优先
深入理解Post-Training全流程与核心算法，包括但不限于DPO，PPO，GRPO，Reward Modeling等
熟悉大规模分布式训练框架和分布式并行概念，如PyTorch FSDP2的原理与应用、DeviceMesh抽象、DTensor语义等
掌握高性能推理引擎（如vLLM，SGLang）的原理与优化方法（如Continuous Batching，PagedAttention，Prefix Caching）等
熟练掌握Python，至少熟练使用一种编译型语言（C/C++/Rust/Golang/Java等），拥有扎实的数据结构与算法功底，代码风格规范且高效
出色的分析和解决问题的能力
具备良好的自驱力和沟通协作能力，能和团队一起探索新技术，推动技术进步
工作职责
负责改进RL训练系统，包括基于Ray的RL Trainer功能拓展、Rollout/采样策略探索、Reward系统集成、Agent Loop复杂任务下轨迹管理等
负责大模型SFT/RL训练性能和稳定性优化，支持Reasoning，Agent，VLM等各类Post-Training任务
探索前沿大模型算法和训练技术，包括Off-Policy RL训练效果和效率、SRFT、OnPolicy Distillation等
AI 洞察
优缺点分析
优点
- 字节跳动核心AI团队，豆包大模型是公司战略级产品，资源充足
- 技术栈前沿，涵盖RL、分布式训练、高性能推理等热门领域，积累深厚
- 与大牛共事，成长速度快，职业发展空间大
- 工作强度较大，互联网大厂节奏快，需适应高强度研发
- 技术难度高，需持续跟进学术界和工业界最新进展
缺点 / 挑战
- 团队优秀，内部竞争压力较大
- 适合热爱大模型技术、追求技术卓越、乐于接受挑战且自驱力强的算法工程师
角色解读
- 深入大模型训练与强化学习领域，成为行业顶尖算法专家
- 横向拓展至多模态、Agent等方向，参与前沿技术落地
- 在字节跳动体系内晋升为技术Leader，带领团队探索下一代AI技术
- 改进大模型强化学习训练系统，包括基于Ray的Trainer功能拓展和采样策略优化
- 优化大模型SFT/RL训练的性能和稳定性，支持多种Post-Training任务
- 探索前沿训练技术，如Off-Policy RL、SRFT、OnPolicy Distillation等
- 精通大模型强化学习框架（如OpenRLHF、VeRL）和核心算法（PPO、GRPO等）
- 熟悉大规模分布式训练（PyTorch FSDP2、DeviceMesh）和高性能推理引擎（vLLM、SGLang）
- 扎实的编程能力（Python + 编译型语言）和算法功底
申请策略
- 关注字节跳动技术博客和豆包模型动态，了解团队技术方向
- 准备一个完整的项目案例，体现从算法到工程落地的能力
- 突出大模型强化学习相关项目经历，尤其是RL训练系统优化或Post-Training实践
- 强调分布式训练和推理优化经验，附上具体性能提升数据
- 展示编程能力（Python和C++等）以及算法竞赛或开源贡献
- 深入学习OpenRLHF、VeRL等强化学习框架原理
- 实践vLLM、SGLang等推理引擎的优化技术
- 补充分布式并行计算知识，如FSDP2、DeviceMesh
面试指南
- 用STAR法则（情境-任务-行动-结果）结构化描述项目经验
- 从原理到实践层层递进，先理论基础再具体实现
- 突出对比和权衡，展示技术深度和系统思维
- 请详细介绍一个你参与的大模型强化学习项目，包括系统架构和遇到的挑战
- 如何优化RL训练中的采样效率？请结合具体技术方案
- 解释一下PPO和GRPO的区别以及各自适用场景
- 描述你使用PyTorch FSDP2进行分布式训练的经验，遇到过什么问题？
- 如何看待Off-Policy RL在大模型训练中的前景？
匹配度报告
75
综合匹配度
大厂核心前沿算法岗，高成长高薪资，但工作强度大、WLB一般。
适合人群
适合以技术成长为核心动力、能接受高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活40
使命价值85
薪资福利匹配
80较高
薪资水平在行业内具有竞争力，但JD未明确福利细节，参考字节惯例五险一金+补充医疗，综合补偿性较好。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
95较高
技术前沿性极强，涉及大模型强化学习、分布式训练等最新方向，成长空间巨大。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、RL、SFT、PPO、GRPO、PyTorch、vLLM、Ray、分布式训练
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作制，互联网大厂通常有加班文化，生活平衡一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
85较高
AI大模型处于高速增长赛道，技术创新直接推动行业发展，社会价值较高。
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