字节跳动
AI算法测试开发专家-豆包手机助手
AI算法测试开发专家-豆包手机助手
发布于 1 天前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
RAG
LLM
SFT
测试开发
质量保障
大模型
Prompt Engineering
RLHF
MLLM
AI 估算 · 30k–55k
字节跳动大厂核心AI岗位，技术前沿且稀缺，薪资竞争力强，结合上海行情及高级专家定位，预估月薪30k-55k。
职位详情
关于这个职位
该职位是字节跳动豆包手机助手产品的AI算法测试开发专家，主要负责质量风险识别与保障、智能化质量建设、大模型评测体系构建以及评测工具开发
你将深入参与LLM、MLLM等前沿技术在质量保障中的应用，推动测试效率和产品质量的提升
适合对AI大模型有热情、具备扎实算法与编码功底的技术人才
最低要求
硕士学位及以上，计算机、人工智能、统计等相关专业优先
熟悉Transformer、BERT、DiT、CLIP、CNN、GAN、VAE、Diffusion Models等AI模型基本原理
熟悉LLM、MLLM模型的部署、训练或微调，熟悉大模型评测基准、评测方法
扎实的代码基础，至少掌握一门高级语言，包括Python、C/C++、Java
了解质量保障基础知识，具备良好的视野，善于学习新的知识、阅读论文、动手能力强
良好的沟通能力和团队协作精神，严谨的工作态度与高质量意识，逻辑清晰、善于分析与总结，对大模型技术有热情和探索精神
工作职责
聚焦豆包手机助手与产品形态，推动质量风险识别与问题解决，保障产品质量与用户体验
统筹质量保障智能化建设，探索并实践人工智能（AI）/大模型在质量保障领域的应用，提升研发与测试的效率及质量
跟踪大语言模型（LLM）领域最新研究成果，持续优化算法应用效果，研究方向涵盖大语言模型（LLM）、多模态大语言模型（MLLM）、提示词工程（Prompt工程）、检索增强生成（RAG）、智能代理（Agents）、监督微调（SFT）、人类反馈强化学习（RLHF）等前沿技术
大模型业务场景的评测工作与评测体系建设，包括设计、制定及完善评测方案、评测指标，开展评测数据收集与更新、评测执行工作，并输出专业评测报告
参与评测相关自动化工具的开发与维护，最大化提升评测效率
优先资格
有大模型应用建设的经验者优先
有智能化质量提效成功案例的经验者优先
有成功构建AI测试系统、开发AI测试工具或相关项目经验者优先（比如AI Risk Analyse、AI案例、AI Test、AI Code Review等）
在会议（NeurIPS/ACL/CVPR/ICML/EMNLP/IJCAI/AAAI/SIGIR等）发表过论文者优先
AI 洞察
优缺点分析
优点
- 字节跳动大厂平台，AI业务资源丰富，技术氛围浓厚
- 豆包手机助手是核心产品，参与度高，影响力大
- 专注LLM/MLLM前沿技术，个人技术成长迅速
- 薪资待遇优厚，股票期权等福利丰厚
- 大模型领域技术迭代极快，需要持续学习最新论文与工具
- 测试体系建设需兼顾效率与效果，工作强度可能较大
缺点 / 挑战
- 跨团队协作频繁，沟通成本较高
- 适合对AI大模型有浓厚兴趣、具备扎实算法与编码功底、乐于挑战技术难题的技术人才
角色解读
- 技术纵深：成为大模型测试与质量保障领域的专家，引领行业发展
- 管理路径：向测试团队负责人或技术经理发展，统筹智能化质量体系
- 横向拓展：可转向AI算法研发、产品经理等岗位，积累多面能力
- 负责豆包手机助手产品的质量风险识别与问题解决，保障产品体验
- 主导质量保障智能化建设，将AI/大模型技术应用于测试流程，提升效率
- 跟踪LLM/MLLM前沿技术，优化算法应用效果，同时建设大模型评测体系
- 开发评测自动化工具，提升评测效率与质量
- 扎实的AI算法基础，熟悉Transformer、BERT等主流模型原理
- 熟练掌握LLM/MLLM部署、训练、微调及评测方法
- 精通Python、C/C++或Java，具备良好的代码能力
- 了解质量保障方法论，善于学习与解决问题
申请策略
- 申请时关注字节跳动豆包产品的发展方向，展现对业务的热情
- 在简历中强调技术探索与落地能力的结合
- 突出大模型相关项目经验，如LLM微调、RAG、Agent等
- 强调质量保障体系建设或AI测试工具开发的成功案例
- 展示论文发表经历，尤其在NeurIPS/ACL/CVPR等顶会
- 体现扎实的编程能力和对测试自动化的理解
- 深入学习LLM/MLLM原理及部署框架（如vLLM、DeepSpeed）
- 熟悉主流评测基准和方法（如MMLU、HumanEval、BLEU）
面试指南
- STAR法则（情境-任务-行动-结果）适合回答项目经验类问题
- 技术原理题：先概述核心概念，再举例说明应用场景
- 开放性问题：从多角度分析，提出解决方案并比较优劣
- 请介绍一个你参与过的大模型评测项目，如何进行指标设计和结果分析？
- 如何将AI技术应用于测试用例生成或缺陷预测？
- 简述Transformer模型的结构和注意力机制原理
- LLM幻觉问题如何检测？有哪些缓解方法？
- 质量保障智能化建设中，你遇到的最大挑战是什么？如何解决的？
匹配度报告
75
综合匹配度
字节跳动AI核心岗位，前沿大模型技术栈，发展空间极大，但工作强度高，WLB一般。
适合人群
该职位最适合追求技术成长、热爱前沿AI领域的求职者，愿意投入时间在挑战性工作中获得快速提升。
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80
薪资福利匹配
85较高
字节跳动作为头部互联网大厂，提供具有竞争力的薪资和福利，但JD未明确具体数字，薪资信号为'未披露'，考虑到公司规模和职位层级，补偿性动机满足度较高。
薪资信号未披露（AI估算：30K-55K/月）
成长发展匹配
95较高
该职位聚焦LLM/MLLM等前沿技术，明确要求跟踪最新研究成果，技术前沿性极强，且涉及评测体系建设和自动化工具开发，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、MLLM、Prompt工程、RAG、Agents、SFT、RLHF、Transformer、BERT
成长机会跟踪大语言模型领域最新研究成果、探索并实践人工智能（AI）/大模型在质量保障领域的应用
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性办公，工作地点在上海，且AI测试开发岗位通常需要现场办公，WLB信号缺失，可能面临较高工作强度。
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
80较高
AI大模型是当前高速增长赛道，字节跳动豆包产品具有广泛用户影响，推动质量保障智能化有助于提升产品体验，社会影响力正向。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号保障产品质量与用户体验
创新程度开拓性创新（行业首创）
Watch Jobs