字节跳动
校招大语言模型强化学习算法工程师-Seed大模型人才校招
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、数学、统计等相关专业
- RL基础：对强化学习有深厚兴趣，了解基本理论（如Policy Gradient，Q-Learning等），熟悉主流算法（如PPO，GRPO等），有相关课题研究或项目实战经验者优先；拥有扎实的数学功底和机器学习理论基础
- 编程功底：具备较强的代码实现能力，精通Python/C++；如果你曾获得ACM-ICPC、NOI/IOI等顶级竞赛奖项，或者在Top Coder、Kaggle排名靠前，我们将优先考虑
- 科研实战：
- 1）在NeurIPS，ICML，ICLR，CVPR，NLP顶会有相关高水平论文发表者优先
- 2）对大模型（LLM）底层架构有深入理解，有主流深度学习框架（PyTorch/JAX）的深度使用经验。
- 极客精神：拥有好奇心，能从First Principles（底层逻辑）思考问题，不迷信现有框架，敢于挑战技术无人区。
岗位描述
Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。
在这里，你将深度参与通往 AGI 的核心路径。我们不只是在训练模型，而是在探索智能的极限。作为 RL Science and Scaling 的一员，你将与行业前沿研究员/工程师协作，挑战如何通过强化学习让模型具备超越人类的逻辑推理与自我进化能力。
工作内容：
- 1、RL算法的前沿探索：参与研究并实现新一代大规模分布式强化学习算法（如PPO，GRPO以及Search-based RL），解决复杂任务下的对齐与泛化难题；
- 2、Scaling Law实验科学：参与设计高效率的实验体系，探索计算量、数据量与模型表现之间的尺度定律，验证推理侧Scaling的无限可能；
- 3、核心场景突破：挑战大模型在数学推理、代码编写、长程规划（Reasoning & Planning）等硬核领域的SOTA表现；
- 4、工程与算法的极致结合：深度参与万卡级别集群的分布式训练优化，将复杂的算法思想转化为高性能的工程实现。
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。