字节跳动
实习多模态大模型算法实习生-端变现
北京 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机、软件工程、人工智能等相关专业优先
- 优秀的问题分析与解决能力，能够深入解决大模型训练及应用中的复杂问题
- 具备数据构建、指令微调及模型开发经验，熟练掌握代码开发技能
- 熟悉大模型相关技术，对AI技术有兴趣，对大模型指令微调、RL、后训练等方向有研究和实践
- 每周4-5天到岗，实习期至少3个月，长期优先。
- 加分项：
- 有后训练实践经验者优先，熟悉微调方法者优先
- 以第一作者在ICML、ICLR、NeurIPS、ACL等学术会议发表过有影响力研究成果者优先
- 在ACM/ICPC、NOI/IOI、Kaggle等编程或AI竞赛中获奖者优先
- 主导或参与过具有影响力的AI开源或闭源项目者优先。
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：端变现团队是商业化能力的核心承载者之一，全面负责旗下主流产品矩阵的变现价值挖掘、技术体系搭建与业务增长助力。团队以“技术驱动商业价值，体验平衡增长效能”为核心目标，覆盖抖音、今日头条、番茄小说、西瓜视频、红果短剧等产品变现、用户增长核心业务场景，通过整合变现策略、工程技术与增长激励等多元能力，打通“流量-技术-转化-增长”全链路，为产品商业可持续性、用户体验优化及业务规模增长提供全方位支撑。
- 1、依托剪映等影像类APP实现商业变现，通过大模型对图片、视频进行深度理解，精准推荐相似款及搭配商品，挖掘用户潜在消费需求，提升交易转化；
- 2、负责探索多模态理解、强化学习、AIGC、多模态RAG、视觉思维链、多模态Agent、多模态Reward Model等进阶技术，及RAG、OneRec、UniSearch等在线应用方向。
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。