字节跳动
实习大模型训练推理实习生-Data AML
上海 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 2027届硕士及以上学位在读，计算机、电子信息、软件工程等相关专业优先
- 每周出勤4天及以上，可以持续实习至少3个月
- 熟练掌握C++/Python，有优秀的编码与代码控制能力，有良好的数据结构和算法功底
- 有SD/LLM/VLM实际训练经验，有大集群预训练经验者优先
- 有多模态、多任务、统一模型，自监督、半监督等视觉预训练技术研发经验优先
- 了解LLM（如Llama，Gemma）、AIGC（如SD）等算法原理，了解大模型应用生态，如SD WebUI，ComfyUI的使用，了解AI Agent，LangChain，RAG等应用层概念，且有相应端上或端云协同工程化开发部署经验者优先；有AutoML或AIGC方向顶会论文、在计算机视觉顶会或期刊上发表过论文、在计算机视觉竞赛取得优异名次或有高质量GitHub项目经验者优先。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。
- 1、负责AIGC模型如SD/LLM/VLM的轻量化结构设计和效果打磨，致力于研发效果、体积、计算量、功耗综合性能业界领先的预训练模型；
- 2、负责AIGC模型相关推理优化算法研究和落地，包括模型蒸馏、网络架构搜索与设计、稀疏、量化、MoE、软硬件协同设计等；
- 3、负责Diffusion/LLM/VLM领域高效模型研发、低成本微调、小样本训练、Prompt工程、RLHF研究和实现，侧重能够端侧部署的模型；
- 4、负责GAN/Diffusion/LLM/VLM领域前沿工作的研究和复现，包含数据、模型、评估、推理等方向；
- 5、负责面向端侧多个平台的GAN基础结构设计和效果优化，重点解决GAN的量化效果问题，落地抖音、剪映等产品，全面提升产品在多个平台上的算法和性能体验。
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。