字节跳动
大模型算法专家-豆包输入法
大模型算法专家-豆包输入法
发布于 大约 14 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
机器学习工程
Dpo
Kd
Lora
Pytorch
Rl
Sft
多模态
大模型
模型训练
AI 估算 · 45k–70k
大模型算法稀缺且字节薪酬竞争力强，北京一线城市岗位薪资较高
职位详情
关于这个职位
该职位负责豆包输入法的大模型算法研发，重点包括SFT、DPO、RL、KD等后训练算法优化，以及数据管道和垂直领域模型基础设施建设
你将与产品、运营、设计团队紧密协作，将算法成果转化为实际产品体验，并持续追踪前沿技术，推动模型能力与业务场景深度融合
最低要求
计算机科学、人工智能、机器学习或相关专业本科及以上学历，具备3年以上机器学习或深度学习领域的研发经验
对拼写、联想、手写、语音、多模态等垂直领域大模型有深入理解，了解该领域的技术发展趋势和应用场景
精通SFT、DPO、RL、KD等大模型算法原理，具备扎实的机器学习、深度学习理论基础，熟悉主流深度学习框架，有丰富的模型训练与调优经验
熟悉PyTorch与Hugging Face Transformers等主流深度学习框架，具备良好的代码编写规范和工程实践能力，能够独立完成复杂算法的代码实现
了解基础的MLOps理念与工具，包括模型版本控制、关键指标监控、A/B测试及服务回滚策略
具有优秀的逻辑思维能力、问题解决能力和创新意识，能够快速学习和掌握新技术
良好的团队协作精神和沟通能力，能在跨部门协作中高效推进项目
工作职责
模型训练与创新：负责SFT（监督微调）、DPO（直接偏好优化）、RL（强化学习）、KD（蒸馏）等大模型后训练算法的研究与开发，优化模型训练流程，提升模型在各类任务中的效果和性能，增强模型的泛化能力和适应性
探索并实践参数高效微调技术（如LoRA，QLoRA，Adapter Tuning等），在保证模型效果的同时，显著降低训练与部署成本
数据Infra及管线：负责输入法、多模态等垂直领域大模型的全流程研发工作，包括模型架构设计、数据schema抽象、用户行为挖掘、模型训练与评估，打造贴合行业场景需求的专业大模型infra，驱动模型性能和效果提升
业务深度协作落地：与产品、运营、设计团队紧密合作，将大模型算法成果转化为实际的产品功能与体验
从需求分析到方案设计，全程参与，深刻理解业务需求，推动模型能力与业务场景的深度融合，形成技术到价值的完整闭环
前沿技术探索与应用：追踪大模型领域的前沿技术与研究成果，结合业务特点，评估新技术的应用可行性
结合业务需求，对现有大模型算法和垂直领域模型进行优化与迭代，解决模型训练和应用过程中的技术难题，提升模型的性能和效果
优先资格
有相关项目经验者优先
在NeurIPS/ICML/ICLR/ACL/EMNLP等会发表过相关高质量论文，主导过相关且有影响力的项目者优先
在ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先
AI 洞察
优缺点分析
优点
- 大模型是当前最热门赛道，技术成长速度快，个人竞争力提升显著
- 字节跳动平台大、数据资源丰富，豆包输入法拥有海量真实场景数据
- 有机会接触SFT/DPO/RL等前沿算法，并参与从研究到落地的完整闭环
- 薪酬福利在业内具有较强竞争力，且公司技术文化浓厚
- 业务协作复杂，需要平衡技术探索与产品落地之间的优先级
- 适合对大型语言模型技术有强烈热情、具备扎实算法功底且能在快节奏环境中高效协作的资深算法工程师
缺点 / 挑战
- 大模型训练和调优对计算资源、工程能力要求高，技术挑战大
- 互联网大厂工作节奏较快，可能面临一定的加班压力
角色解读
- 在字节跳动大模型核心团队积累前沿算法经验，成长为算法专家或技术负责人
- 可以向技术管理方向转型，带领团队负责更大范围的模型研发
- 也可深入研究方向，发表顶级论文并引领领域创新
- 专注于大模型后训练算法研发，包括SFT、DPO、RL、KD等方法的优化与应用
- 搭建和优化输入法、多模态等垂直领域大模型的数据基础设施和训练流程
- 与产品、运营、设计团队协作，将算法成果转化为实际输入法功能
- 跟踪大模型前沿技术，评估并落地新技术到现有业务中
- 扎实的机器学习/深度学习理论基础，精通SFT、DPO、RL、KD等算法原理
- 熟练使用PyTorch、Hugging Face Transformers等框架，具备工程化代码能力
- 了解MLOps实践，包括模型版本控制、监控、A/B测试和回滚策略
- 具备跨部门沟通协作能力和复杂项目推进能力
申请策略
- 在简历中明确体现对输入法、多模态等垂直场景的理解，降低匹配成本
- 提前了解字节跳动的面试流程和算法题风格，做好充足准备
- 突出大模型相关项目经验，特别是SFT/DPO/RL等后训练实践，说明效果指标和优化过程
- 展示PyTorch、Transformers框架的工程实现能力，包括代码质量和部署经验
- 如有顶会论文或竞赛获奖，单独列出以增强技术说服力
- 强调跨团队协作和业务落地的案例，体现技术价值转化能力
- 系统梳理SFT、DPO、RL、KD的原理和调参方法，动手复现经典论文
- 学习MLOps工具链（如模型注册、监控平台），掌握A/B测试和回滚机制
面试指南
- 采用STAR法则：先说明任务背景，再讲具体行动，最后突出量化结果
- 尤其要讲清楚技术选型时的权衡
- 对于算法设计问题，可以从“问题定义→数据方案→模型训练→评估迭代”的完整链路来回答，展现系统思考能力
- 结合业务案例：强调你如何把技术成果转化为业务价值，例如性能提升百分比、用户反馈改善等
- 请详细讲一讲SFT和DPO的训练流程，以及你在实际项目中如何选择和后处理数据？
- 在训练大模型时，你如何监控和评估模型效果？遇到loss不收敛怎么排查？
- 如果要将大模型能力部署到输入法场景，你会如何设计整体方案？
- 在蒸馏（KD）中你如何设计师生模型和训练策略？
职位点评
76
综合评分
字节大模型算法专家岗，前沿技术栈、薪资优厚，但需坐班且加班情况未明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合追求前沿技术成长和职业快速发展的算法工程师，对办公灵活性要求不高，能适应坐班和快节奏。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活45
使命价值72
薪资福利
80较高
职位虽未披露具体薪资，但字节跳动为互联网头部企业，薪酬水平具竞争力，补偿性需求能得到较好满足。
薪资信号未披露（AI估算：45K-70K/月）
成长发展
95较高
该职位聚焦大模型前沿算法，技术含量高，且能参与核心业务落地，发展性动机得到极强满足。
技术前沿前沿/新兴技术
技术栈SFT、DPO、RL、KD、PyTorch、Hugging Face Transformers、LoRA、MLOps
业务类型ambiguous
工作生活
45较低
工作地点为北京，需现场办公，JD未提及弹性办公或加班等信息，生活化满足程度一般。
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
72中等
大模型行业高速发展，工作内容具有技术影响力，但岗位使命感和直接社会价值体现不明显。
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
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs