字节跳动
实习算法开发实习生-剪映CapCut
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、软件工程等相关专业优先
- 在NLP/CV/多模态学习中至少一个领域，具备扎实的理论基础和实践经验；熟悉文本分类、图片分类、视频理解、跨模态检索或内容审核等至少一项相关技术
- 熟练掌握Python/C++/Go中的至少一种编程语言，并具备良好的工程实现能力；熟悉PyTorch或TensorFlow深度学习框架，并对Transformer等主流模型有较好的理解
- 熟悉大模型后训练技术，有RL技术、多模态大模型技术经验、Agent的应用经验更佳
- 对内容安全与平台治理领域抱有浓厚兴趣，具备一定的逻辑思维、良好的沟通协作以及较强的自我驱动力。
- 加分项：
- 在国际顶会（如CVPR、ICCV、ECCV、ACL、EMNLP、NeurIPS、ICML等）发表过论文。
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：剪映研发团队，主要支持剪映、Capcut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。
- 1、负责剪映内容安全算法，深入剪映业务，直面多模态内容理解与安全治理的前沿挑战；
- 2、聚焦于多模态内容（文本、图像、视频、音频）的安全识别与深度理解，通过构建和优化算法模型，有效防范平台风险，保障用户体验；
- 3、在资深算法工程师的指导下，将参与从数据分析、特征工程到模型训练与评估的全过程，亲手将前沿技术部署到线上，并追踪其实际效果，在海量数据的真实场景中快速成长。
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。