字节跳动
大模型智能归因算法工程师-AI Platform
大模型智能归因算法工程师-AI Platform
发布于 大约 9 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
硕士
机器学习
SQL
LLM
特征工程
因果推断
Scikit-learn
AI Agent
lightGBM
数据蒸馏
AI 估算 · 30k–55k
大模型方向高薪赛道，字节跳动上海，技术要求高，市场竞争力强，薪资处于行业顶尖水平。
职位详情
关于这个职位
这是一个前沿的大模型智能归因算法工程师岗位，你将负责建设AI Agent的智能归因系统，从海量执行轨迹数据中提取关键信号，量化Agent能力差异，并通过数据驱动的方式优化大模型评测和训练
适合对AI Agent、特征工程和因果推断有浓厚兴趣的技术专家
最低要求
人工智能、计算机科学、统计学、数学等相关专业研究生学历，具备扎实的机器学习理论基础
精通特征工程：具备从非结构化数据中设计和提取特征的实战经验，熟悉交叉特征构造、缺失值语义处理、特征筛选等技术
精通机器学习算法：熟练使用树模型、神经网络、评分卡等算法技术，具备模型可解释性、正则化、去相关性分析等相关实践经验
具备优秀的数据分析能力，能从数据中发现问题模式，擅长分层分析、聚类分析、校准分析、因果推断等定量分析方法，以及可解释性、可视化等分析手段
熟练使用SQL和Python进行数据处理和建模，熟悉Numpy、Pandas、Scikit-learn、LightGBM等常用库
有大模型应用经验，如Agentic框架、Prompt调优、上下文管理、数据合成、数据蒸馏等
熟悉AI辅助编程工具（如TRAE、Claude Code等），能利用AI Agent快速完成开发和实验验证
工作职责
负责AI Agent智能归因系统建设，从海量执行轨迹数据中提炼关键信号，量化Agent能力差异，为产品团队提供精准改进方向建议，同时为LLM训练团队提供高质量训练反馈信号
建设数据驱动的自动化迭代优化闭环，通过持续的系统性负面案例分析持续识别归因盲区，保障评测能力跨场景泛化能力与预测稳定性
探索大模型Agent与传统特征工程的深度融合，通过AI自进化方法挖掘深层行为模式，持续拓展归因系统的信号边界，适配大模型业界的快速发展
AI 洞察
优缺点分析
优点
- 身处大模型技术浪潮最前沿，接触最先进的Agent和LLM技术栈
- 字节跳动平台提供海量数据和丰富的业务场景，技术落地机会多
- 薪资竞争力强，股权激励丰厚，职业天花板高
- 技术迭代极快，需要持续学习，保持知识更新
- 工作强度较大，可能存在加班情况，需要较强抗压能力
- 适合对AI Agent和大模型有浓厚兴趣，享受从数据中挖掘规律、解决复杂归因问题的技术型人才
缺点 / 挑战
- 归因问题本身具有挑战性，需要扎实的统计学和机器学习功底
角色解读
- 成为AI Agent评测与归因方向的专家，主导核心算法演进
- 向技术管理方向发展，带领团队攻克复杂技术难题
- 横向拓展至大模型训练、推理优化等相邻领域，成为全栈AI算法人才
- 设计并构建AI Agent的智能归因系统，从Agent执行轨迹中提取关键信号，量化模型能力差异
- 通过数据驱动的方式持续优化评测闭环，系统性地分析负面案例，提升评测的泛化能力和稳定性
- 探索大模型与传统特征工程的融合，利用AI自进化方法挖掘深层行为模式，扩展归因系统的信号边界
- 扎实的机器学习理论基础，精通特征工程和各类机器学习算法（树模型、神经网络等）
- 优秀的数据分析能力，掌握分层分析、因果推断、聚类分析等定量方法
- 熟练使用Python和SQL进行数据处理，熟悉Numpy、Pandas、Scikit-learn、LightGBM等工具
- 具备大模型应用经验，熟悉Agentic框架、Prompt调优、数据合成等前沿技术
申请策略
- 在简历中明确提及对AI Agent评测和归因的理解，展示技术热情
- 关注字节跳动AI平台的技术博客和开源项目，面试时体现对其技术栈的了解
- 突出特征工程和机器学习项目的实际成果，特别是从非结构化数据中提取特征的经验
- 强调大模型相关项目经验，如Agent框架开发、Prompt优化、数据合成等
- 展示数据分析能力，尤其是因果推断、分层分析等高级方法的应用案例
- 体现编程能力，如Python、SQL以及常用机器学习框架的使用
- 系统学习因果推断的理论和方法，如DoWhy、EconML等工具
- 深入理解Agentic框架（如LangChain、AutoGPT）的内部机制
面试指南
- 面对归因类问题，先明确目标和评估指标，然后从数据、特征、模型三个层面逐步深入
- 对于实验设计问题，强调对照组设计、随机化、以及统计显著性检验
- 解释因果推断时，先区分相关性与因果关系，再介绍DAG、倾向性评分等核心概念
- 请设计一个评估AI Agent在复杂任务中推理能力的归因方案
- 如何从非结构化的Agent执行轨迹中提取有效特征？请举例说明
- 解释因果推断在模型评测中的作用，以及如何避免混杂偏误
- 假设你负责的评测系统在某个场景下表现不佳，你会如何排查和优化？
- 对LLM Agent的自我进化能力怎么看？如何设计自动化迭代闭环？
匹配度报告
74
综合匹配度
字节跳动大模型归因算法工程师，前沿技术栈、薪资高、成长快，但工作强度大、WLB不确定。
适合人群
该职位最适合追求技术成长和职业发展的求职者，尤其是对大模型和AI Agent有热情、愿意接受高强度工作挑战的算法工程师。
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
字节跳动作为头部互联网公司，整体薪酬水平处于行业领先地位，该职位技术壁垒高，薪资预估处于高位，但具体薪资未在JD中明确，常见福利如五险一金等虽未提及但大概率存在。
薪资信号未披露（AI估算：30K-55K/月）
成长发展匹配
95较高
该职位直接涉及大模型和AI Agent的最前沿技术，技术成长空间极大，同时字节跳动内部资源和平台可提供广阔的发展路径，但JD中未明确提及晋升通道或导师制。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、特征工程、因果推断、数据蒸馏
业务类型profit_center
工作生活匹配
40较低
JD未提及工作模式或加班情况，但字节跳动通常为现场办公，且行业普遍存在高强度工作文化，WLB保障不明确。
工作模式未明确
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
75中等
大模型和AI Agent是当前最具影响力的技术方向之一，该工作对推动AI能力进步有直接价值，但岗位本身偏向技术实现，社会使命感一般。
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