字节跳动
校招大模型Agent算法工程师 - Aime
北京/杭州 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届获得硕士及以上学位，计算机、人工智能、数据科学等相关专业
- 具备扎实的算法与工程基础，熟练掌握Python/Go/Java/C++至少一种，能在Linux环境下独立完成项目开发
- 对大模型与Agent有深入理解，熟悉ReAct、Plan-and-Execute、Tool Use、RAG、Context Engineering、Memory、Multi-Agent等方向
- 熟悉至少一种主流深度学习框架（PyTorch/TensorFlow），了解SFT、RL、PPO/GRPO等后训练方法
- 具备较强的问题抽象与实验设计能力，能从复杂执行轨迹中识别规律，并将分析结论转化为可验证的优化方案；有顶会论文、大模型/Agent实习或AI竞赛获奖经历者优先。
岗位描述
团队介绍：Aime 是字节跳动打造的企业级 AI Agent 平台，面向研发、产品、运营等多类岗位，提供基于大模型的智能服务。平台集成代码仓库、文档、知识库、飞书、Browser Use、MCP、研发工具链等企业能力，支持调研、Coding、数据分析、文档生成、Browser Automation 等复杂任务，通过自研 Agent 架构完成端到端日常工作提效。
- 1、参与Aime Agent数据合成与大模型后训练，综合运用LLM标注、数据增强、拒绝采样等方法构建高质量训练集，推进SFT/RL后训练以提升模型的推理、工具调用与长程任务能力，并跟踪Agentic RL、CodeRL等前沿研究快速落地；
- 2、负责Agent评测体系建设，设计覆盖模型基础能力及Coding、调研等场景的评测集，支撑模型与策略效果的自动化评估；
- 3、参与Aime Agent核心策略研发，围绕任务规划、工具调用、上下文管理、长期记忆、多Agent协作等方向持续优化，提升端到端任务完成率；
- 4、基于线上Trace与用户反馈定位失败模式，探索Self-Evolving Agent方向，推动Agent在调研分析、Coding、数据分析、文档生成等复杂场景下的自动进化。
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。