AI搜索Agent算法实习生-Seed大模型人才实习

团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、下一代搜索问答Agent构建 1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成； 2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景； 2、模型能力演进与前沿探索 1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力； 2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限； 3）构建Agentic能力，打造具备自主决策能力的智能系统； 3、高价值场景落地如电商/本地生活等 1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）； 2）融合结构化数据与实时信息，实现多模态、多源知识协同推理； 4、评测体系与工程闭环建设 1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系； 2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。 【任职要求】 1、2028届及以后本科及以上学历在读，计算机相关专业优先； 2、熟悉PyTorch/TensorFlow等框架，对大规模语言模型（如GPT、LLaMA等）训练与优化经验； 3、熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解； 4、熟悉Search Agent任务，包括RL数据/训练策略优化，Reward Model设计、工具调用、Reasoning能力优化等； 5、加分项：在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文；有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；熟悉多模态模型（如GPT-4V）或强化学习者优先。