字节跳动
校招大模型后端开发工程师 - 火山方舟
杭州/北京/上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、人工智能、信息安全等相关专业优先
- 掌握Golang/Java/C++/Python中任意一门语言，并有实际落地的程序开发经历，计算机基础功底扎实
- 了解后端基本工程体系，如数据库、计算机网络、操作系统、分布式系统原理等。
- 加分项
- 有实际的服务端工程落地经验
- 了解Agent基本概念和相关技术实现，如Function Calling、MCP等
- 熟悉Kubernetes、Docker、Istio/Envoy等云原生及服务网格技术
- 对大模型推理链路（大语言模型推理）感兴趣，有相关背景知识。
岗位描述
团队介绍：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。
- 1、负责方舟MaaS平台（Model as a Service）核心链路组件的设计与研发，支撑文本对话、多模态理解、多模态生成等API能力；
- 2、基于云原生体系，深入参与Service Mesh（服务网格）、负载均衡（LB）、智能路由等架构演进；设计并落地全链路灰度发布、流量降级、熔断限流等高可用方案；
- 3、面对大模型多模态推理场景下的长连接、高吞吐、流式输出、低延迟挑战，进行系统级的性能调优；
- 4、保障大规模模型调用场景下的系统稳定性，解决突发流量下的架构瓶颈问题。
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。