字节跳动
实习AIGC算法实习生-GenAI
上海 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机、人工智能、数学等相关专业优先
- 具备扎实的机器学习 / 深度学习理论基础，有多模态大模型（MLLM）、文本大模型（LLM）或视频生成/编辑相关研究背景、项目经验者优先
- 熟练掌握PyTorch等深度学习框架及Python编程语言
- 发表过领域顶级会议文章（NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等）相关实习经验或者ACM竞赛获奖者优先
- 优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情。
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：GenAI团队专注于开发跨模态生成式AI前沿技术（涵盖文本、图像、视频、落地页等），为广告主、代理商和创作者打造行业领先的创意提效及投放提效解决方案。我们致力于通过生成式AI技术实现创意工作流自动化，全面提升客户商业收益。团队立志引领广告科技与创意产业的生成式AI变革，为全球客户、创作者及整个生态体系赋能并创造价值。
- 1、聚焦广告商业化核心场景，结合内外部基座模型自研适配于商业化业务场景的统一多模态大模型（MLLM），关注音视频统一理解技术突破和营销多任务场景能力适配与泛化，构建效果和性能俱佳的商业化营销模型；
- 2、支持广告创意生态优化，构建视频理解、定位和编辑一体化的创意视频编辑解决方案，帮助广告主优化创意质量，优化创意生态、提升投放转化效果；
- 3、探索强化学习与智能体（Agent）在商业化场景的创新应用，跟踪AIGC（图像/视频编辑）、文本大模型（LLM）、多模态理解领域前沿技术（如Qwen2.5-Omni、Gemini 等模型核心技术），推动算法创新与实际落地，赋能广告业务增长。
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。