字节跳动
实习隐私计算实习生（大模型与智能体方向）-安全与风控
北京 · 实习 · 硕士
长期有效
任职要求
- 硕士及以上学位在读，计算机、人工智能、信息安全等相关专业优先
- 具备良好的计算机基础，熟悉至少一种主流编程语言，熟悉常用数据结构与算法等
- 有大模型开发与部署经历，熟悉生成式AI原理如Transformer、Diffusion，以及智能体架构、平台（如Langchain、Dify、Coze等）；有智能体安全相关研究经验者等优先
- 有数据安全与隐私计算经历，熟悉传统安全技术如加密、访问控制、身份认证等，以及安全多方计算、联邦学习等隐私计算技术，有隐私计算相关系统、平台、产品的研发实践经验者优先
- 乐于挑战没有参考答案的开放式问题，能够在快速调研与总结前沿工作基础上，快速寻找、尝试、迭代解决方案，有较强的自主思考与探索能力，以及优秀的沟通与团队协作能力。
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：我们团队牵头探索人工智能数据安全与隐私保护、联邦学习、安全多方计算（SMPC）、可信执行环境、差分隐私及同态加密等前沿网络安全技术。我们开展尖端研究，致力于将新兴理论转化为数据与系统安全领域的实际应用方案。通过开创安全计算与隐私保护的全新方法，为塑造可信数字创新的未来发挥重要作用。
- 1、参与大模型训练与推理全流程的数据安全与隐私保护前沿技术研究，结合密码学、可信执行环境、数据混淆及系统安全技术，设计兼顾安全与效率的新型解决方案；
- 2、跟踪学术前沿、产品动态，结合行业实践经验与业务场景需求，开展大模型智能体安全前沿技术研究，参与智能体可信安全产品研发与落地工作。
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。