字节跳动
实习AI战略实习生-TikTok
上海 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机科学、人工智能、工程、商科等相关专业优先
- 具备较强的逻辑分析能力、商业敏感度和深度研究能力，求知欲强，能快速学习并理解复杂的技术和商业概念，能够使用英语作为工作语言
- 善于并高频使用各类AI工具（如Cursor，Copilot，Claude Code等）进行高效研究、数据分析优先
- 工作态度严谨细致、积极主动，有高度的责任感和出色的沟通能力
- 实习期至少3个月，6个月以上优先，每周至少可到岗4天，可立即入职者优先。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。
- 1、模型层追踪：深度关注和研究AIGC模型（图像/视频/音乐等）趋势，通过行业研究和战略判断，为国际化互联网产品提供外部视角和决策支持；
- 2、应用层探索：探索AI技术在企业内部的创新应用场景，关注用户在TikTok上的全链路体验，站在系统视角，探索AI如何重构用户的表达方式、互动方式与创作动机，包括AI辅助创作、AI参与互动、社交、以及AI原生的创作体验；
- 3、Vibe Coding+战略支持：鼓励探索利用Vibe Coding（如Claude Code等）提效现有工作流，实现AI行业动态自动化追踪，并综合运用桌面研究、数据分析和专家访谈等方法，产出具有技术深度和商业价值的分析结论。
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。