字节跳动
校招AI Agent应用研发工程师 - 安全与风控
北京 · 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、软件工程等相关专业优先
- 具备扎实的计算机基础和编程基础，掌握常用的数据结构和算法；熟练或精通使用Go、Java其中至少一门编程语言，并了解常用的开发框架和开发流程规范
- 熟练或精通熟悉MySQL、Redis、Kafka、Hive等常用数据与中间件组件，理解分布式系统的基本原理与开发模式
- 具备较好的产品意识和数据意识，关注业务与产品效果，愿意以实际产出和结果作为工作的核心驱动力
- 积极乐观，责任心强，具备良好的服务意识及沟通协作能力
- 有AI Agent应用开发经验者优先，包括但不限于LLM集成、Prompt工程、Agent编排框架（如LangChain、LangGraph等）、Tool/Skill调用链路设计等。
岗位描述
团队介绍：安全工程团队负责设计、搭建并维护字节跳动的全球安全基础设施、平台及服务。我们的核心职责是研发具备可扩展性的系统与工具，为公司全域产品的安全运营提供支撑。通过交付可靠、高性能的安全解决方案，保障字节跳动全球平台的安全，并提升业务韧性。
- 1、负责安全数据平台的建设，为资产安全、安全分析及数据治理等场景提供稳定、高效的数据能力支撑；
- 2、参与安全数据平台的工程建设与持续优化，包括但不限于系统架构、性能、数据质量以及工程效率等方面，以及借助AI提升研发效能；
- 3、深入业务场景，理解并合理抽象业务与安全需求，将其转化为可复用、可产品化的数据与安全能力，持续提升产品价值，并与业务团队保持紧密协作；
- 4、深入理解各类安全场景与业务背景，充分利用数据手段，推动安全能力与安全效果的可量化提升；
- 5、持续跟进AI Agent、LLM应用等前沿技术，并主导其在实际安全业务场景中的工程化落地。
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。