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 14 小时前普通员工/个人贡献者
深圳市
初级经验
全职员工
仅现场办公
本科
强化学习
LLM
数据合成
大模型
RL
PPO
Grpo
语音S2S
AI 估算 · 30k–50k
大模型算法稀缺，字节跳动薪资竞争力强，深圳一线城市，预计30-50K/月*15薪
职位详情
关于这个职位
该职位负责字节跳动豆包大模型的迭代优化，涉及Character-LLM、游戏Agent和CodeAgent、语音S2S等前沿方向，要求具备强化学习训练和代码能力，适合有1年以上大模型经验的算法工程师，技术挑战大，成长空间广阔
最低要求
计算机相关专业本科及以上学历，一年及以上大模型算法工作经验，有相关方向技术和研究背景的候选人优先
有RL训练经验，熟悉如GRPO、PPO、DAPO，有较强的RL分析和改进经验
优秀的代码能力、数据结构和基础算法功底，C/C++或Python熟练
工作职责
负责参与Character-LLM迭代优化，包括但不限于数据合成、数据筛选、数据分析、Posttraining等任务
负责参与游戏Agent和CodeAgent任务的设计，环境的构建、Reward的设计以及保障RL的正确训练
负责语音S2S在通用任务上基础能力的优化，支持类似FC、RAG等场景
负责语音S2S在角色扮演及真人对话上拟人能力的提升
对RM、RL、Agent有技术探索的热情
优先资格
有领域顶级会议文章（NeurIPS、ICML、ICLR、CVPR、ICCV、ACL、KDD等）、有编程/AI比赛获奖（ACM/ICPC、NOI/IOI、Top Coder、Kaggle等）优先
熟悉大模型相关的算法和技术，在相关领域有过良好研究记录者优先，熟悉业界前沿评估方法者优先
在大模型领域，主导参与过大影响力的项目或论文者优先
出色的独立分析和解决问题的能力，能深入解决大模型评估优化和应用存在的问题
良好自驱力和沟通协作能力，能和团队一起探索新技术，推进技术进步
AI 洞察
优缺点分析
- 参与前沿大模型（豆包）研发，技术挑战大、成长速度快
- 字节跳动平台资源丰富，团队技术氛围浓厚，项目影响力大
- 涉及Character-LLM、Agent、语音等多模态方向，拓宽技术广度
- 工作强度较大，互联网大厂节奏快，需较强抗压能力
- 技术要求高，需持续学习新算法和框架
- 竞争激烈，需要持续产出高质量成果
- 适合有1-3年大模型或RL经验，渴望技术突破、抗压能力强、自驱力强的算法工程师
角色解读
- 从算法工程师向资深技术专家或技术负责人发展，深入LLM核心研发
- 可转向多模态、Agent、语音等新方向，成为领域专家
- 字节跳动内部技术晋升通道清晰，可带领团队攻克难题
- 参与Character-LLM迭代优化，包括数据合成、筛选、分析及Posttraining等任务
- 设计游戏Agent和CodeAgent的任务环境、Reward，并保障RL训练正确性
- 优化语音S2S模型在通用任务和角色扮演中的基础能力与拟人表现
- 探索RM、RL、Agent等前沿技术，推动模型能力提升
- 扎实的强化学习训练经验，熟悉GRPO、PPO、DAPO等算法
- 优秀的代码能力，熟练使用C/C++或Python
- 熟悉大模型相关算法与技术，有实际项目经验
- 有顶级会议论文或编程/AI竞赛获奖者优先
申请策略
- 研究火山方舟和豆包的产品方向，面试中展现热情与理解
- 准备一个完整的项目案例，从问题到解决方案的叙述
- 突出RL项目经验，尤其是PPO、GRPO等算法的实际应用与改进
- 展示代码能力，如GitHub项目或编程竞赛成绩
- 强调大模型相关项目，如数据合成、模型微调、Posttraining等
- 如有顶级论文或开源贡献，务必突出
- 复习强化学习核心算法，尝试复现GRPO、DAPO等
- 学习大模型推理优化、Posttraining技术
面试指南
- 使用STAR法则清晰描述项目背景、任务、行动和结果
- 从原理层面解释算法选择原因，对比不同方法的优劣
- 强调问题解决过程，体现分析能力
- 请介绍一个你参与的RL项目，如何使用PPO或GRPO？
- 如何处理大模型的数据合成和筛选？
- 如何设计一个游戏Agent的Reward函数？
- 语音S2S模型在角色扮演中如何提升拟人度？
- 你对RL和Agent技术的最新进展有哪些了解？
匹配度报告
74
综合匹配度
字节跳动大模型核心岗位，技术前沿、薪资高、成长快，但工作强度大。
适合人群
极适合追求技术成长和前沿挑战的发展型求职者，若看重WLB则需谨慎。
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75
薪资福利匹配
85较高
字节跳动薪资竞争力强，但未明确福利，总体补偿性较好。
薪资信号未披露 (30K-50K/月)
成长发展匹配
95较高
前沿技术方向（LLM、RL、Agent），项目影响力大，成长空间极大。
技术前沿前沿/新兴技术
技术栈大模型、LLM、RL、PPO、GRPO、Agent、语音S2S
业务类型profit_center
工作生活匹配
40较低
仅现场办公，无WLB信息，互联网大厂强度可能较大。
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）
使命价值匹配
75中等
AI大模型赛道高速增长，社会影响力中性，技术革新有意义。
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