字节跳动
校招Agent基础系统研发工程师 - 火山方舟
上海/北京/杭州/深圳 · 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，计算机及相关专业优先
- 熟练掌握Python或Golang，具备扎实的代码功底和良好的工程规范意识，熟练使用AI Coding工具
- 理解大模型与Agent技术原理，熟悉工具调用、上下文管理、长程执行等关键机制，有实际使用Claude Code、Codex、Cursor等Coding Agent的经验
- 熟悉Linux与容器化技术（Docker/Kubernetes），了解CI/CD流程，能够独立搭建和维护可复现的执行环境
- 符合以下任一方向者优先：
- 1）有Benchmark复现、模型或Agent评测、数据分析相关经验
- 2）有开源项目贡献、Hackathon获奖、个人Agent项目等经历
- 3）具备顶会论文或前沿论文的快速复现能力
- 对AI原生应用有强烈热情，关注前沿技术发展，具备较强的主动性与问题拆解能力。
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、参与火山方舟平台Agent基础系统研发，负责Agent评测框架的设计与建设，沉淀一套可复用、可扩展的评测基础设施；
- 2、接入SWE-bench、Terminal-Bench、GAIA、τ-bench等业界常用Benchmark，完成任务集管理、执行环境构建、批量调度与自动化评分链路建设；
- 3、适配主流Agent Harness，抽象统一的接入层与运行协议，支撑不同Agent实现与模型在同一基准下的横向对比；
- 4、建设评测指标体系与结果分析能力，包括Trace回放、负面案例归因、成本与时延统计等，持续反哺Agent系统的优化迭代；
- 5、参与内部DevOps Agent建设，围绕代码开发、问题调试、服务部署、技术答疑等场景持续迭代工具链与知识沉淀，提升团队研发效率；同时作为Agent基础能力的深度使用者，反向驱动平台能力打磨。
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。