字节跳动
实习大模型工程实习生-隐私和数据保护办公室
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
- 熟练掌握Golang/Java/Python中的一种语言，具备扎实的编程功底；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
- 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；具备平台系统设计开发经验，独立负责过部分功能模块的设计和开发落地
- 有强烈的求知欲，优秀的学习和沟通能力，积极乐观，责任心强，有自驱力，对技术怀有热情，具备良好的服务意识及团队合作能力
- 能保证至少4个月及以上的实习，每周可出勤至少4天及以上。
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：我们是字节跳动隐私与数据保护核心团队，联动法律、安全、研发等多方力量，为全球数亿用户构建第一道数据安全防线。聚焦隐私合规落地、数据风险防控，在超150个国家/地区的复杂隐私、数据合规场景中，构建全生命周期数据安全方案，以“隐私+数据”双通道驱动保护创新。
为什么加入我们？
- 1、全球化核心战场：加入支撑字节跳动国际化生态的关键团队，主导服务数亿用户的隐私安全体系，同字节系产品一起定义行业标准；
- 2、硬核能力历练：攻克数亿级数据防护，横跨美洲、欧盟、东南亚等法律差异等难题，沉淀覆盖多区域的合规技术视野；
- 3、多元成长生态：融入跨多国家多城市的协作团队，参与行业隐私标杆项目，在文化碰撞中解锁国际化合规实战经验。
- 1、负责隐私业务产品的系统设计与核心功能的前后端开发，参与设计系统技术方案，核心代码开发、系统调优及平台框架优化；
- 2、参与制定代码规范、测试规范，建立起开发质量控制方法，协助团队攻克各种高并发、大流量、系统解耦等方面的技术难关；
- 3、清理、处理和准备用于训练和验证的海量数据集，确保数据质量和一致性，为模型训练提供可靠的数据基础；优化大模型Prompt和多智能体Agent，提高服务的响应质量和业务效果；
- 4、参与各专项技术调研，调研隐私工程的前沿进展，探索可行方案以解决隐私痛点问题，并持续推动架构演进；
- 5、联合算法小组，打造垂直落地的世界级AI法务合规应用。
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。