字节跳动
实习大模型算法应用开发实习生 - TikTok内容安全平台
上海 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机、人工智能、软件工程、数学、统计学等相关专业优先
- 具备扎实的计算机和算法基础，熟悉数据结构、机器学习、深度学习或自然语言处理中的至少一个方向
- 熟练掌握Python，具备良好的编码能力和工程实践习惯；熟悉PyTorch、Transformers等框架者优先
- 理解Transformer、BERT、GPT等模型的基本原理，对大语言模型训练、推理或应用开发有一定了解
- 对以下任一方向有实践经验者优先：
- 1）大模型预训练、监督微调、LoRA、偏好优化或强化学习
- 2）RAG、Embedding、向量数据库、搜索召回或排序算法
- 3）Agent、工具调用、工作流编排或多智能体系统
- 4）Prompt Engineering、大模型应用开发或模型服务部署
- 5）自然语言处理、文本分类、信息抽取、摘要、聚类或语义匹配
- 具备较强的学习能力、问题分析能力和主动性，能够快速理解业务问题，并将算法方案落地为可运行的系统；对大模型技术保持热情，愿意持续跟进前沿研究，并关注技术在真实场景中的实际效果。
岗位描述
团队介绍：国际化内容安全平台团队致力于为字节跳动国际化产品的用户维护安全可信赖环境，通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件，以人工智能技术支持业务发展，力求更高效、更敏捷、更全能地维护站内生态安全。
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、参与大语言模型相关算法和应用系统的研发，包括但不限于文本理解、分类、信息抽取、摘要生成、内容匹配、智能问答和复杂信息分析等方向；
- 2、参与大模型训练、监督微调、偏好优化、Prompt-Engineering和模型效果优化，探索不同模型和训练方法在实际业务场景中的应用；
- 3、参与RAG（检索增强生成）系统建设，包括数据处理、知识库构建、Embedding、召回、排序、上下文组织和答案生成等模块；
- 4、参与基于大模型的Agent系统研发，探索任务规划、工具调用、工作流编排、多智能体协作、记忆机制和结果验证等技术；
- 5、参与大模型应用的数据飞轮建设及评测体系建设，涵盖训练数据构造、自动化标注、难例挖掘、用户反馈利用、模型持续迭代，以及从准确性、召回率、相关性、稳定性、时延和成本等维度评估优化系统效果；
- 6、跟进并复现大模型、RAG、Agent、信息检索等领域的前沿论文和技术方案，并推动其在实际业务中的落地。
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。