字节跳动
校招全栈开发/测试开发工程师（搜索） - TikTok研发
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、数学等相关专业优先
- 具备扎实的计算机基础，理解数据结构与算法的核心思想，能够将抽象问题转化为可实现、可优化的工程方案；熟悉至少一门编程语言，如Go、Java、Python、TypeScript/C++等，具备独立完成中型工程项目或核心模块开发的能力
- 理解操作系统、计算机网络、数据库、并发编程、常见系统架构等基础知识；对软件工程有基本理解，熟悉从需求分析、设计实现到测试验证、上线迭代的研发流程
- 具备良好的问题拆解能力、系统性思维和学习能力，能够面对复杂问题持续追问本质并推动解决；具备良好的沟通协作能力和责任心，能够在跨团队、多角色合作中推动目标达成
- 能熟练使用AI工具辅助编码、排障、文档理解和方案设计，具备对AI输出进行判断、校验和二次加工的能力；对AI在测试与质量场景中的应用有兴趣，对大语言模型、Agent、RAG、模型评测、自动化工作流等AI工程方向有认知或实践经验者优先。
岗位描述
团队介绍：TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。
在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。
- 1、我们希望寻找具备扎实工程基础、全栈潜力和AI原生能力的应届毕业生，加入TikTok各业务质量工程团队，区别于传统意义上的“测试执行”岗位，这是一个以质量场景为切入点，面向复杂系统和智能工程建设的研发岗位；
- 2、参与业务质量平台、研发效能工具和自动化基础设施的设计与开发，覆盖前端、后端、数据链路和平台能力建设；
- 3、深入客户端、服务端及上下游协同链路，建设功能、接口、稳定性、性能、安全等多维质量保障能力；通过代码分析、链路分析、日志分析、压测、故障演练等方式发现复杂系统中的深层问题，并推动问题闭环；
- 4、探索并落地AI在质量工程中的应用，包括测试生成、智能缺陷分析、质量评测、测试智能体、自主探索式测试等方向；
- 5、沉淀可复用的工程能力，包括测试框架、诊断工具、自动化脚本、质量方法论与平台化能力；与研发、产品、算法、数据等团队协作，共同推动质量内建、研发提效和工程规范升级。
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。