字节跳动
实习大模型算法实习生 - 抖音生态
北京 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机科学与技术、信息与通信工程专业优先
- 每周可保证4天到岗，可连续实习3个月
- 熟悉SFT、RL等后训练技术优化现有Pipeline
- 具备良好的沟通能力
- 具备学习意识。
岗位描述
团队介绍：抖音生态团队，负责抖音旗下产品的生态工作。我们为抖音生态的健康与繁荣，以及对应的用户心智与场景规模负责。通过看清楚影响抖音生态发展的关键问题，推动问题的解决，维持健康的生态发展环境；通过加强平台多参与角色对平台的正向感知和认知，提升平台长期口碑。我们是一群文理兼修的内容热爱者，既会熟练运用数据工具展开深入分析获取洞察，与算法密切合作拿到数据结果；也会对内容有独到见解和深刻认知，能够清晰定义产品价值下的内容取舍。加入抖音生态团队，可以走在深度好内容的最前沿，和各领域最优质的作者一起创造长期用户价值。
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。
- 1、熟悉SFT、RL等后训练技术优化现有Pipeline，包括且不限于抖音的生态治理、标签能力建设、内容理解或生成等场景；
- 2、基于语言或多模态大模型，实现文本、短视频和视频切片的理解；
- 3、持续改进数据体系Pipeline，包括数据收集、清洗、去重和配比，合成高质量Agentic、Reason，不断提升模型精度；
- 4、持续跟进大模型领域的研究成果，Auto PE，Data selection，将前沿技术应用到抖音生态建设中。
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。