字节跳动
实习大模型算法实习生（即梦Agent方向）-剪映数据与智能团队
深圳 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机相关专业优先
- 熟悉NLP、CV、ML等相关技术，深入理解大模型、多模态相关算法原理，熟悉SFT、RL等模型训练技术，具备效果调优能力
- 熟悉Agent技术栈，在RAG系统、工具调用、多轮对话、内容生成等方向有实战经验
- 每周可保证4天出勤，可连续实习4个月。
- 加分项
- 获得ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛奖项
- 在RAG系统、工具调用、多轮对话、内容生成等方向有实战经验
- 在大模型领域主导过有影响力的项目或发表过相关论文。
岗位描述
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。
团队介绍：剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品，构建强大的算法能力壁垒。作为剪映系内的算法团队，负责推动整个业务在算法上的迭代与创新，为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。
- 1、负责即梦AI Agent的训练工作，支持Web/App等多端业务，协同打造AI时代的专业影视创作、UGC视频玩法等AI原生产品；
- 2、借助LLM/MLLM模型等建立创作领域的多模态认知体系，通过行业知识库整合，理解镜头美学、剪辑节奏、叙事逻辑等创作本质，激发图片/视频/音乐等生成模型的能力上限，实现叙事、创作、创意玩法等垂类突破；
- 3、深耕模型后训练技术链路，通过SFT、RL等手段提升Agent的叙事创意与复杂执行能力，持续探索智能上限；
- 4、与产品研发协同优化Agent Harness，通过Skill/Memory/个性化等承接业务策略，提供更智能的产品体验。
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。