字节跳动
实习后端开发（通用AI方向）实习生-集团信息系统
深圳 · 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、人工智能等相关专业优先
- 精通至少一门编程语言，包括但不限于：Python、Java、Go、JavaScript
- 掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识
- 对LLM应用开发有浓厚兴趣，了解Prompt Engineering、Agent框架者优先。
- 有以下经验者加分：
- 有RAG系统、对话系统或智能体项目的开发经验
- 熟悉主流大模型API（OpenAI、Claude等）的调用与集成
- 有多智能体系统、工具增强型Agent的研究或实践经历
- 有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分
- 有强烈的求知欲，优秀的学习和沟通能力。
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：集团信息系统部（Corporate Information System）负责字节跳动信息系统建设。通过构建领先的信息系统，助力公司业务和组织的长期高效经营与发展。与此同时，在安全、隐私、合规层面持续治理，为公司的稳健发展保驾护航。字节跳动的业务模式复杂，用户规模大。到现在，集团信息系统部已经覆盖人事、财务、法务、采购、审批、职场等多个领域，隐私安全工作同步开展，AIGC创新孵化也在逐步落地实现。
- 1、负责AI Agent系统的架构设计与开发，基于大语言模型构建具备规划、推理、工具调用能力的智能体，为亿级用户提供智能化的信息服务与极致体验；参与Agent编排框架、记忆机制、多智能体协作等核心模块的技术方案设计、代码开发与系统调优；
- 2、探索RAG、Function Calling、ReAct、Plan-and-Execute等前沿范式在企业级场景中的落地实践；参与AI Agent领域的技术调研与新技术引入，推动前沿能力在业务场景中的创新应用；
- 3、参与制定代码规范、测试规范，建立Agent系统的评测体系与质量控制方法；
- 4、协助团队攻克Agent系统在高并发调度、上下文管理、工具链集成、安全合规等方面的技术难关。
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。