字节跳动
大模型后训练优化工程师-Seed
大模型后训练优化工程师-Seed
发布于 1 天前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
本科
分布式系统
性能优化
系统架构
LLM
CUDA
算法优化
机器学习系统
RL
大模型训练
AI 估算 · 30k–60k
高级AI系统工程师，技术难度高，市场稀缺，公司平台大，薪资竞争力强。
职位详情
关于这个职位
该职位是字节跳动Seed团队的核心技术岗，负责超大规模机器学习系统的架构设计与优化，涉及大模型训练、强化学习等前沿技术
你将与算法团队深度合作，解决系统可扩展性、性能等关键问题，推动AI技术在豆包、即梦等产品中落地
适合热爱技术、有攻坚能力的高级工程师
最低要求
本科及以上学历，计算机、软件工程、人工智能等相关专业优先
具备工程或机器学习算法领域的深厚功底和算法相关经验
历史上解决过复杂技术难题，遇到问题能深入底层、敏锐观察、逻辑清晰，具备积极解决复杂问题的攻坚能力
由衷热爱技术，有强烈的工作责任心、优秀的学习能力与自驱力
具备良好的沟通协作能力，能与团队共同探索新技术、推进技术落地与迭代
对前沿技术保持敏感与持续关注，具备一定工程管理与流程优化能力，能推动项目高效落地
工作职责
负责超大规模机器学习系统架构的设计与开发，解决系统可扩展性、高可靠性、易用性等关键技术问题
负责机器学习系统前瞻技术的调研和落地，以前瞻视角实现业界领先的超大规模训练方案
与算法部门深度合作，进行算法与系统的联合优化，覆盖Pretrain、RL、新硬件适配等多个场景
负责机器学习基础框架与迭代脚手架的更新、重构与持续优化，提升研发效率与工程标准化水平
优先资格
加分项：
熟悉LLM、NLP、CV、语音相关算法与技术，有大模型训练、Diffusion、RL算法相关经验者优先
有以下某一方向领域经验：高性能计算/CUDA、RDMA/通讯库，低精度/压缩/矩阵分解，存储和IO，异构加速硬件体系、分布式系统和大数据架构、系统算法联合优化
熟悉完整算法研发与训练流程，具备综合系统设计与整体方案规划能力者优先
AI 洞察
优缺点分析
优点
- 字节跳动平台资源丰富，数据与算力强劲，能接触业界顶级项目
- 团队氛围技术导向，鼓励创新和攻坚，有成就感
- 系统复杂度高，问题定位和优化需要深入底层能力和耐心
缺点 / 挑战
- 前沿AI大模型领域，技术挑战大，个人成长空间广阔
- 工作强度较高，需要持续跟进前沿技术，学习压力大
- 与算法团队紧密协作，沟通成本较高
- 适合技术功底扎实、热爱挑战、有强自驱力和攻坚精神的工程师，希望在AI基础设施领域深耕
角色解读
- 技术专家路线：深耕系统架构与优化，成为分布式训练或AI Infra领域权威
- 架构师路线：主导大规模AI系统设计，推动技术演进
- 管理路线：带领团队，负责核心系统研发和项目落地
- 设计与开发超大规模机器学习系统架构，解决可扩展性、可靠性等关键技术问题
- 调研并落地前沿的机器学习系统技术，实现业界领先的训练方案
- 与算法团队深度合作，联合优化Pretrain、RL等场景的训练效率
- 持续重构和优化基础框架与迭代工具链，提升工程标准化水平
- 扎实的工程和机器学习算法基础，能够解决复杂技术难题
- 深入理解分布式系统、高性能计算（如CUDA）和系统优化
- 熟悉LLM、大模型训练流程及相关框架（如DeepSpeed、Megatron）
- 具备良好的沟通协作能力和自我驱动力，热衷技术探索
申请策略
- 关注字节跳动技术博客，了解Seed团队的技术方向和成果
- 准备1-2个自己主导的系统设计或优化案例，展示系统思维
- 突出参与过大模型训练或分布式系统相关的项目，量化优化成果（如训练速度提升XX%）
- 展示解决复杂技术问题的案例，体现深入底层分析和逻辑清晰
- 强调CUDA、高性能计算或系统架构设计经验
- 体现团队协作和推动技术落地的能力
- 补充LLM训练框架（如DeepSpeed、Megatron）的使用和原理
- 学习RL算法及相关系统优化（如PPO训练）
面试指南
- 采用STAR法则（情境-任务-行动-结果），清晰描述问题背景、具体行动和量化成效
- 突出系统思维：从整体架构到具体优化点，展示权衡取舍
- 注重与算法场景结合，体现对业务目标的理解
- 请介绍你参与过的一个大规模分布式训练系统，你是如何设计架构的？
- 在优化大模型训练性能时，你遇到的最大瓶颈是什么？如何解决的？
- 你如何理解系统与算法的联合优化？请举例说明
- 请谈谈你对CUDA编程和GPU性能优化的经验
- 你如何看待当前大模型训练框架的优缺点？如何改进？
匹配度报告
70
综合匹配度
AI大模型前沿岗位，技术成长快，薪资竞争力强，但工作强度较大。
适合人群
适合追求技术成长和前沿领域、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75
成长发展85
工作生活50
使命价值70
薪资福利匹配
75中等
字节跳动为上市巨头，薪资水平较高，但JD未明确具体薪资，补偿性满足度中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
85较高
前沿大模型技术栈，系统复杂度高，成长空间大，但JD未明确晋升或培训机制，发展性满足度较高。
技术前沿前沿/新兴技术
技术栈机器学习系统、分布式系统、大模型训练、CUDA、RL、LLM
业务类型profit_center
工作生活匹配
50较低
仅现场办公，地点为科技园，JD未提WLB，工作强度可能较大，生活化满足度一般。
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
致力于通用智能探索，有明确的社会贡献使命，但AI行业中性影响，意义感满足度中等偏上。
行业发展高速增长赛道
社会影响中性/一般
使命信号为科技和社会发展作出贡献
创新程度积极采用新技术
Watch Jobs