字节跳动
实习架构实习生-搜索架构
杭州 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机、软件工程、网络工程等相关专业优先
- 出色的分析问题、解决问题能力
- 出色的代码能力，出色的数据结构和基础算法功底
- 有分布式系统基础和开发经验者优先
- 熟悉Linux开发环境、至少熟悉C++、Java、Python、Go等一种语言。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：作为字节跳动核心业务的技术引擎，搜索架构部门致力于构建全球领先的大规模智能搜索架构，支撑抖音、电商等业务的飞速发展。在抖音等短视频生态与电商业务，我们直面千亿级数据规模下的复杂工程挑战。团队深耕检索架构、分布式系统、模型工程与特征工程四大核心领域。我们通过技术创新驱动人与信息的高效连接，服务全球数亿用户的大规模搜索需求，打造极致的搜索体验。
- 1、参与搜索引擎研发工作，用前沿的机器学习算法、海量的数据，做激动人心的技术、给用户好的搜索体验；
- 2、参与今日头条/抖音等产品的搜索研发工作，服务相关产品数亿用户；
- 3、参与搜索核心架构改进，可能的方向包括：设计开发千亿级网页搜索的数据流、分布式建库、在线检索系统，设计业内领先的检索架构；设计开发万亿级Spider系统的实时计算、调度分发、压力控制、蜘蛛抓取等服务；设计开发高可用的搜索引擎稳定性解决方案、自动测试和运维平台；
- 4、在这里你可以毫无历史包袱地实现自己的架构梦想。
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。