字节跳动
校招算法工程师（激励Agent方向） - Ads Core
北京/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、人工智能和机器学习等相关专业优先
- 具备优秀的算法和工程实现能力，熟练掌握C++/Python等编程语言，熟悉常见的数据结构与算法
- 有Agent与RAG落地经验者优先
- 有国际顶级会议或期刊论文发表经历，或参与过知名开源项目者优先；曾获Kaggle、ACM等算法比赛奖项者优先。
岗位描述
团队介绍：Ads Core 是抖音集团广告业务体系中负责交易机制与智能决策的核心技术团队之一。
我们面对的是一个超大规模的商业化经济系统：一端是广告主和商家，希望在可控成本下获得订单、GMV、线索、用户增长和长期生意增长；另一端是抖音等产品中有限而高价值的用户流量。Ads Core 要解决的问题，是预算从哪里来、流量给到哪里，以及如何让每一次商业流量分配都更接近客户增量、用户体验和平台长期收入的共同最优。
团队覆盖出价与竞价、归因与信号、自动化投放、流量机制、激励增长等关键方向，通过机器学习、因果推断、强化学习、机制设计和大规模工程系统，把客户经营目标转化为平台可理解、可执行、可优化的交易决策。
技术上，Ads Core 处在超大规模、高并发、强约束的真实交易系统中。我们需要在每天海量请求里完成预算分配、实时出价、归因度量、自动化决策和流量机制优化；也需要在客户目标、用户体验和平台长期收入之间做多目标建模与系统决策。这里会持续产生因果归因、强化学习、机制设计、长期价值建模、大规模在线实验、实时工程系统等高难度问题，并要求算法能力真正落到线上交易链路和业务结果中。
加入 Ads Core，你将参与建设抖音集团广告业务最核心的底层系统：让广告主真正把生意做大，让用户体验持续被保护，让平台获得长期、合理、可持续的商业化收入。如果你希望在真实商业系统里把算法、机制和工程能力转化为可见的业务影响，这里会提供足够复杂、也足够有成长空间的问题。
- 1、参与激励场景的AI工作流提效，通过搭建激励场景Agent，探索其在自动化开发、算法建模和运维提效中的应用；
- 2、借助AutoResearch范式，实现Agent对算法迭代方案的自动化调研、方案实现与效果评估；
- 3、推动AIGC、生成式决策等技术在激励业务中的落地与应用。
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。