字节跳动
实习内容安全算法实习生-TikTok业务风控
深圳 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 2027届硕士及以上学位在读，计算机、软件工程等相关专业优先
- 数据结构与算法基础扎实，熟练掌握Python/C++/Go至少一门语言，动手能力强（熟练刷写LeetCode加分）
- 熟悉经典的机器学习与深度学习算法原理，有PyTorch/TensorFlow实际使用经验
- 对技术有好奇心，逻辑清晰，对与黑产对抗有热情，具备良好的团队合作精神。
- 加分项：
- 在CVPR、ICCV、ACL、KDD、NeurIPS等顶会发表过论文，或在ACM-ICPC、Kaggle等权威比赛中获得过名次
- 对Agentic AI有实操经验，玩过LangChain/AutoGPT；或者对LLM Post-Training（SFT/RLHF）有深入理解和实践
- 在多模态理解（CLIP，LLaVA等）方向有项目经历
- 有互联网风控、搜索、推荐或广告算法实习经历。
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：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。
TikTok业务风控团队致力于保护 TikTok 的用户权益，包括但不限于内容消费者、创造者、商业客户等。我们通过建设高效的风控系统和智能的风控算法，提供端到端技术解决方案，以保证平台的健康与社区体验的真实性，为TikTok 业务保驾护航。
- 1、负责处理TikTok相关产品线（短视频/直播/社交等）上存在的各种的业务安全问题，识别作弊用户，包括色情导流、欺诈、赌博、黑灰产等；
- 2、在导师指导下，参与TikTok直播生态及资金安全的识别算法研发；
- 3、利用机器学习/深度学习技术，处理文本、图像、音频等多模态数据，优化模型的准确率与召回率；
- 4、调研并尝试将Agentic AI（智能体）、LLM（大语言模型）等最新技术应用于风控对抗场景，解决长尾复杂问题；
- 5、通过数据分析发现潜在的风险模式和黑产攻击链路，辅助制定治理策略。
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。