字节跳动
实习大模型Agent算法实习生-穿山甲
北京 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机科学、人工智能、网络安全等相关专业优先
- 掌握PyTorch/TensorFlow框架，出色的代码撰写能力，熟悉Transformer、LoRA、PPO等核心算法原理
- 熟悉NLP相关的算法和技术，主导参与过大影响力的项目或论文者优先、有编程/AI比赛获奖（ACM/ICPC、NOI/IOI、Top Coder、Kaggle等）优先
- 在大模型领域有出色的独立分析和解决问题的能力，能深入解决大模型优化和应用存在的问题
- 良好自驱力和沟通协作能力，能和团队一起探索新技术，推进技术进步
- 大语言模型研究方向，有垂直领域大模型训练经验和Agent开发经验优先。
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：穿山甲是全球开发者成长平台，依托巨量引擎的技术和产品能力，为开发者提供用户增长、流量变现、LTV提升等全生命周期的服务和成长方案。目前，穿山甲覆盖活跃DAU超过8亿，日均广告请求量超过630亿，日均广告展示量超过110亿，帮助超过10万个app在平台内飞速成长，也为超过10.5万广告主提供了用户增长和投放解决方案。
- 1、反作弊大模型基座的全流程训练，包括：训练数据构建、继续预训练、指令微调 、强化学习、模型评估等；
- 2、构建反作弊Agent：基于工具调用、MCP、RAG等技术，构建反作弊领域的Agent，完成情报挖掘、策略推荐、合规审理等任务；
- 3、跨团队协同：与反作弊策略、技术、业务等各个团队合作，将反作弊大模型应用到各个场景中，实质性的提升业务效果。
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。