字节跳动
校招视频理解与画质算法工程师 - 音视频技术
北京/深圳 · 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、电子工程、通信、数学等相关专业优先
- 具备扎实的机器学习、计算机视觉、图像/视频处理基础，对多模态视频理解、视频质量评价、画质增强或视频编码策略中的一个或多个方向有学习、研究或项目经验，并有视频中长时序理解、temporal grounding、Few-Shot质量评估、用户偏好建模、像素级质量检测、生成式画质增强等相关项目经验者优先
- 具备较强学习能力、问题拆解能力和实验设计能力，能够从数据和实验结果中定位问题，并持续优化算法效果
- 有相关方向论文、竞赛、科研项目、实习经历，或在CVPR、ICCV、ECCV、NeurIPS、ICLR、AAAI、ACM MM等会议/期刊发表论文者优先
- 熟悉深度学习框架和主流模型结构（包括PyTorch/TensorFlow、Transformer、多模态大模型等），熟练掌握C/C++、Python中至少一种编程语言，具备良好的代码实现能力和工程意识，熟悉OpenCV、FFmpeg、sklearn等图像/视频处理工具，了解Linux开发环境、Shell、HDFS等工具者优先。
岗位描述
团队介绍：视频与边缘部门承载了字节跳动的媒体内容分发基建及技术中台，支持了字节跳动全系产品，如抖音、今日头条、番茄小说、西瓜视频等APP的点播、直播、实时通信、图片等多媒体业务发展，同时将业务发展过程中沉淀下来的技术能力和工具，通过火山引擎对外输出，面向各行各业用户提供视频云产品和服务，愿景是为内外部业务伙伴提供最低成本、最优画质、最低延时、最安全可靠的富媒体内容分发解决方案，助力业务伙伴降本提效实现持续增长。
- 1、参与视频理解与画质分析算法的研究和落地，方向包括视频内容理解、时序建模、ROI/SOD、事件定位、视频价值评估等；
- 2、探索多模态大模型在视频理解、画质评估、生成式增强、交互式视频处理等方向的应用，推动前沿技术在真实业务中验证和落地；
- 3、参与主客观画质评价、局部画质劣化检测、可解释质量分析等QoE算法建设，支撑点播、直播、推荐、端上策略、转码增强等业务场景；
- 4、参与端到端视频体验优化方案设计，将视频分析、画质评估、视频处理和编码策略结合起来，提升用户观看体验和处理效率；
- 5、参与数据集构建、算法训练与优化、线上监控、客观评测、A/B实验和效果归因，与产品、工程、推荐、转码等团队协作，验证算法效果和业务收益。
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。