字节跳动
校招大模型应用算法研究员 - 小荷健康
北京 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届获得硕士及以上学位，人工智能、计算机相关专业优先
- 优秀的代码能力、数据结构和基础算法功底，熟练掌握PyTorch等常用算法语言
- 有自然语言处理（NLP）、大模型训练和强化学习（RL）算法经验者优先
- 熟悉计算机视觉（CV）相关的算法和技术，对MLLM中模型结构、ViT训练、Detail Caption等方向有深入理论研究和实践者优先
- 熟悉Agentic大模型设计理念和优化方法者优先，有过工具调用，指令跟随，多轮对话，用户偏好等通用能力优化经验者优先；有大模型反思、思维链优化经验者优先。
- 加分项：
- 有ICML、ICLR、NeurIPS、ACL、CVPR等顶级学术会议发表过有影响力研究成果的优先
- 在ACM/ICPC、NOI/IOI、Kaggle等编程/AI比赛获奖者优先
- 主导、参与过AI相关的有大影响力的开源/闭源项目的优先
- 有医疗大模型、临床NLP、生物信息建模、EHR任务、医疗知识建模经验者优先。
岗位描述
团队介绍：小荷健康是字节跳动旗下的医疗健康品牌，我们致力于利用大模型技术，探索医疗健康服务的新范式，孵化了“小荷AI医生”app，为用户提供专业的健康咨询服务。小荷健康拥有专业的医学和互联网产研团队，认真探索AI医疗。
- 1、负责医疗领域大模型的后训练工作，包含数据构建、SFT、RL、RFT、OPD等，推动模型性能达到业界领先水平；
- 2、对模型在业务场景中的效果负责，将模型成功落地应用并在业务中取得实际收益；
- 3、调研大模型方向尤其是医疗领域的前沿技术方案，持续提升部门关键技术竞争力。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。