字节跳动
校招大模型Agent Infra工程师 - 模型数据工程
北京/上海 · 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、软件工程、人工智能、自动化等相关专业优先
- 具备扎实的计算机基础，理解数据结构、算法、操作系统、计算机网络等基础知识
- 具备良好的编程能力和工程实现能力，熟悉至少一种常用编程语言，如Python、Go或C++
- 对后端开发、系统设计、平台研发或数据处理有一定理解，对复杂系统和工程问题有持续兴趣
- 对大模型、Agent Infra等方向有热情，具备较强的学习能力、问题分析与解决能力
- 具备良好的沟通协作能力和自驱力，能够持续学习和迭代。
- 加分项：
- 在课程项目、实验室、竞赛、开源或实习中，有服务端开发、虚拟化、容器化、任务调度、分布式系统等相关实践经历
- 对大模型、Agent、多模态、模型评测、工作流编排等方向有一定了解或实践经验
- 有搭建工具链、开发平台系统、参与复杂工程项目或优化系统性能与稳定性的经历
- 有开源贡献、技术竞赛、科研经历或较强的工程作品积累者优先。
岗位描述
团队介绍：数据工程与平台团队旨在实现人类知识与经验向模型能力的加速迁移。我们从真实场景出发，通过模型短板识别、高质量数据定义、规模化数据生产，提升模型能力。与此同时，团队还致力于依托训练反馈，反哺数据设计，推动系统迭代，构建业内一流的数据工程能力与平台。
- 1、参与面向大模型数据场景的Agent Infra平台建设，涵盖但不限于Sandbox、Tool Use、Memory、知识库、轨迹管理等核心能力；
- 2、面向数据合成、标注、评测等业务场景，设计并构建高效、稳定、可扩展的数据生产Workflow；
- 3、参与平台基础能力建设，持续提升系统在海量并发场景下的稳定性、性能与资源利用效率，完善端到端可观测性体系；
- 4、参与Agent Runtime、任务编排、状态管理、执行链路治理等方向的研发工作，支撑复杂任务的稳定运行与持续迭代；
- 5、探索Agent在数据生产平台中的应用，推动系统向更智能、更自动化的方向演进。
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。