字节跳动
实习大模型评测算法实习生（Data Agent）-数据智能
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、软件工程、人工智能、数据科学等相关专业优先
- 可保证稳定实习时间，了解大模型原理和相关算法，对Agent技术、效果评估有一定的兴趣和认知
- 熟悉Python、Go、Java等编程语言中的至少一种，具备扎实的代码基础
- 熟悉机器学习、人工智能、模型调优或PE工程相关知识，掌握各种基本算法及智能数据处理方法
- 具备较强的学习能力、逻辑思维能力和问题解决能力，对技术有浓厚热情和创新精神
- 有大模型算法或Agent应用相关的项目实践、科研经历者优先。
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：专注大模型在数据智能方向的应用落地，横向支持公司多个数据产品的大模型解决方案。团队致力于跟进大模型前沿进展，结合领域模型的优化策略来设计端到端的算法优化和评估方案，实现数据产品的智能升级与应用效果提升。团队鼓励敏捷创新，知识共享的协作氛围，专注投入对数据智能课题的持续探索研究。
- 1、协助团队完成Agent评估算法的工程化实现、调试与优化，配合搭建高效、可靠的评估体系；
- 2、辅助开展大模型原理及相关算法的研究，结合业务需求，参与评估方案的设计与迭代；
- 3、参与评估平台、算法实现的开发与维护，支撑算法验证与落地；
- 4、配合团队跟进大模型前沿技术进展，参与技术调研、实验验证，整理相关技术文档；
- 5、参与团队知识共享与技术讨论，主动探索创新思路，助力提升团队技术能力与产品应用效果。
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。