字节跳动
实习推荐大模型算法实习生-抖音电商
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，计算机相关专业
- 拥有扎实的算法和数据结构基础，优秀的编码能力，熟练掌握C++和Python语言，熟悉Linux开发环境
- 机器学习基础扎实，熟悉常用算法模型，了解大模型在推荐、广告领域的应用者优先
- 熟悉XGBoost、TensorFlow、PyTorch中至少一种开源工具，具备优秀的学习、分析及问题解决能力，对技术挑战充满热情
- 热爱技术工作，具备良好的沟通表达能力与团队合作精神，能高效推进技术方案落地。
- 加分项
- 有个性化推荐、广告、信息检索、自然语言处理、大模型应用及机器学习相关领域的研究或项目实践经验
- 在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等国际会议发表过论文，或有数据挖掘/机器学习相关竞赛经历。
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：抖音电商算法团队，依托抖音、今日头条、番茄小说、红果短剧等产品，帮助用户发现、讨论并获得好物，享受美好生活；帮助商家高效经营，创建良性商业生态；激励创作并分享购物经验使用心得，构建有真诚有信息的电商内容氛围。在这个团队，我们不仅要通过推荐、广告和搜索算法搭建消费者和商家之间的桥梁，也要通过风控算法和治理算法去甄别违规行为，保护用户的购物体验，保护真正诚信经营的商家；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率，降低商家的经营成本；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户物流体验；另外我们还会用业界先进的数据科学技术为业务健康发展保驾护航。我们的使命：用算法的能力，让用户总能发现好东西，让美好生活触手可得。
- 1、负责大模型驱动的电商个性化推荐算法优化，覆盖商品、直播、短视频等多场景，联动推荐与广告系统，提升数亿用户使用体验；
- 2、融合大模型、表征学习、图模型、多任务学习等技术，优化信息匹配效率与预估效果，自动挖掘优质、高口碑商品及主播，助力用户便捷触达好货；
- 3、基于大模型挖掘与分析用户行为数据，构建用户长短期兴趣模型，精准预测潜在需求与购买意图，持续提升推荐精准性；
- 4、深入内容电商业务场景，设计大模型与算法、策略一体化的技术方案，构建良性电商生态，驱动业务快速增长；
- 5、在超大规模在线深度学习框架下，结合大模型研究前沿技术，探索下一代预估建模与推荐方案，推进算法与模型创新。
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。