字节跳动
大模型算法专家-国际化搜索内容安全
大模型算法专家-国际化搜索内容安全
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
深度学习
PyTorch
LLM
搜索
多模态
SFT
内容安全
大模型
RLHF
AI 估算 · 50k–80k
高级算法专家岗位，大模型方向稀缺，字节跳动薪资竞争力强，上海生活成本高，综合市场行情估算。
职位详情
关于这个职位
该职位负责字节跳动国际化搜索场景下的多模态大模型安全体系建设，统筹搜索结果、搜索推荐词及AI搜索等多链路内容安全算法，通过预训练、微调、强化学习等前沿技术提升模型鲁棒性，构建查询感知的安全判断模型，并主导红蓝对抗与安全评测
适合在大模型、多模态或搜索安全领域有深厚积累的算法专家
最低要求
研究生及以上学历，计算机、电子、人工智能、数学等相关专业背景
扎实的机器学习与深度学习基础，在LLM/VLM/MLLM、计算机视觉、NLP或多模态领域有多年研发经验
熟悉大模型的预训练、微调与对齐方法(SFT/RLHF/DPO/PPO/GRPO等)，有实际落地或开源大模型项目经验者优先
精通PyTorch/TensorFlow等深度学习框架，熟悉Transformers/Qwen等主流大模型生态，具备分布式训练与模型优化经验
有搜索、推荐、信息检索或Query理解相关算法系统建设经验，熟悉搜索召回/排序、Query-level意图识别等技术者优先
对内容安全、风险建模、审核场景或LLM Safety有深入理解者优先
在顶会/顶刊(NeurIPS、ICML、ICLR、CVPR、ACL、SIGIR、EMNLP等)有论文发表，或在业界大模型/搜索相关项目中担任核心研发角色者优先
具备在高不确定性、高动态环境下快速决策与落地的能力，优秀的分析问题与解决问题的能力，并热衷于解决具有挑战性的问题
对技术充满热情，具备良好的沟通能力和团队合作精神，能够推动跨团队协作与技术标准建设
工作职责
负责国际化搜索场景下多模态大模型安全体系的建设与演进，统筹搜索结果(视频/图像/文本)、搜索推荐词(Query Suggestion)、AI搜索(AI Search)等多链路的内容安全算法能力，打造原生AI、可持续演进的搜索安全系统
负责搜索场景下多模态大模型体系建设及前沿技术探索，包括大规模基座预训练、指令微调(SFT)、强化学习(RLHF/DPO/PPO/GRPO)及后训练(Post-training)等方向，构建安全相关的Reward Model/Preference Model，同时探索RL、自适应推理、长上下文建模、Agent系统、RAG等新技术在搜索安全场景中的可行路径，跟踪前沿研究成果(如NeurIPS、ICLR、CVPR、ACL、SIGIR等)，提升模型在复杂安全场景下的泛化能力与鲁棒性并推动技术业务落地
构建具备Query-Context-Aware能力的搜索安全判断模型，解决搜索高吞吐、长尾Query、跨模态、跨语种场景下的内容理解与风险识别问题，优化风险召回与精排(Recall&Ranking)策略，提高安全覆盖率与精度
推动LLM安全对齐、Prompt Safety、RAG安全增强、多轮对话风险控制等前沿技术在AI搜索中的落地，主导红蓝对抗(Red Teaming)与安全评测体系建设
在团队内发挥技术引领作用，定义研究方向，推动跨团队协作与技术标准升级，突破现有搜索安全治理系统的流程，探索下一代搜索内容安全业务交互模式
优先资格
有实际落地或开源大模型项目经验
有搜索、推荐、信息检索或Query理解相关算法系统建设经验
对内容安全、风险建模、审核场景或LLM Safety有深入理解
在顶会/顶刊有论文发表或在业界大模型/搜索相关项目中担任核心研发角色
AI 洞察
优缺点分析
优点
- 前沿技术方向，大模型+搜索安全，兼具技术深度与业务价值
- 字节跳动国际化平台，海量数据与场景，个人成长空间大
- 高薪资与股权激励，职业回报丰厚
- 团队技术氛围浓厚，有机会与顶会研究者合作并发表论文
- 技术难度高，需要同时掌握大模型、多模态、搜索和安全多个领域
- 工作节奏快，业务对安全要求极高，需要快速响应复杂问题
缺点 / 挑战
- 竞争压力大，团队内外部人才密集，需持续保持学习强度
- 适合在大模型或搜索领域有深厚积累，渴望解决高难度挑战、追求技术前沿的算法工程师
角色解读
- 成长为搜索安全领域的资深专家，主导下一代内容安全技术架构
- 向技术管理方向发展，担任团队Tech Lead或算法负责人
- 跨界进入更广泛的AI安全、可信AI领域，成为行业领军人物
- 负责构建多模态大模型安全体系，覆盖搜索结果、搜索推荐词和AI搜索等内容安全链路
- 进行大模型预训练、微调和对齐（如RLHF、DPO），开发安全相关的Reward Model
- 探索RL、自适应推理、RAG等新技术在搜索安全场景中的应用，提升模型泛化能力
- 主导红蓝对抗和安全评测体系建设，推动LLM安全对齐、Prompt Safety等前沿技术落地
- 扎实的机器学习和深度学习基础，精通LLM/VLM/MLLM、计算机视觉或NLP
- 熟悉大模型预训练、微调与对齐方法（SFT/RLHF/DPO/PPO/GRPO），有实际落地经验
- 精通PyTorch/TensorFlow和Transformers等框架，具备分布式训练能力
- 有搜索、推荐或Query理解相关系统经验，了解内容安全与风险建模
申请策略
- 在简历中突出与搜索或安全相关的项目，展示业务理解能力
- 提前了解字节国际化搜索业务和内容安全挑战，面试时展现热情
- 突出大模型预训练、微调或对齐的落地项目经验，尤其是与安全相关的案例
- 强调在搜索、推荐或跨模态场景中的具体成果，如模型提升效果
- 展示顶会论文或开源项目贡献，体现技术影响力
- 重点描述分布式训练、模型优化等工程能力
- 补充RLHF、DPO等对齐方法的实践，熟悉主流大模型生态（Qwen、LLaMA等）
- 学习搜索召回、排序算法和Query理解技术，了解内容安全业务
面试指南
- 对于技术方案类问题，采用STAR（情境-任务-行动-结果）结构，突出技术难点和你的贡献
- 对于设计类问题，先明确目标和约束，再分层给出方案，体现系统思维
- 对于前沿技术问题，结合文献和自己的理解，展示学习能力和创新点
- 请详细描述你参与的一个大模型RLHF项目的技术方案和效果
- 如何设计一个安全的搜索系统？请从召回、排序、策略等角度说明
- 多模态模型在内容安全中可能有哪些盲区？如何解决？
- 如何应对长尾Query的恶意内容？请给出技术方案
- 红蓝对抗中，你如何设计攻击案例来评估模型鲁棒性？
匹配度报告
71
综合匹配度
前沿大模型安全岗位，技术成长空间大，薪资优厚，但工作强度高，专注技术突破。
适合人群
该职位最适合追求技术成长、热爱挑战、能承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90
工作生活40
使命价值80
薪资福利匹配
75中等
虽未在JD中明确薪资福利，但字节跳动作为大型互联网公司，薪资水平通常具有竞争力，且该职位为高级岗位，预计薪酬较高。
薪资信号未披露（AI估算：50K-80K/月）
成长发展匹配
90较高
该职位涉及大量前沿技术（大模型、多模态、RLHF等），且要求探索新技术，成长空间极大。
技术前沿前沿/新兴技术
技术栈大模型、LLM、多模态、RLHF、SFT、DPO、PPO、GRPO、PyTorch、Transformer
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，且搜索安全业务压力大，可能加班较多，生活方式灵活性较低。
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
内容安全对社会具有正向价值，且AI安全是高速发展赛道，使命感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs