← 返回岗位列表

字节跳动

校招

AIGC视觉生成算法工程师 - TikTok Shop

上海/杭州/北京 · 校招 · 2027 届 · 本科

长期有效

任职要求

  • 2027届获得本科及以上学历,人工智能、计算机、数学相关专业优先
  • 熟悉图像&视频生成算法,有视频生成或数字人相关项目经验者优先
  • 熟练掌握PyTorch等框架,具备良好的Python/C++编程能力
  • 具备较强的学习能力和解决问题能力,能积极参与团队协作与项目推进。

岗位描述

团队介绍:TikTok Shop 是 TikTok 旗下的内容电商业务,致力于成为用户发现并获取优价好物的首选平台。面向直播电商、视频内容电商、货架电商等多元购物场景,国际电商持续为全球用户提供更个性化、更主动、更高效的消费体验,也为商家提供稳定、可靠、可持续增长的平台服务,推动“新奇好物畅销全球,美好生活触手可得”的使命落地。

目前,国际电商算法团队分布在中国、美国、新加坡等多个国家和地区,深度参与全球化业务建设。加入我们,你将有机会面向全球用户、商家和商品生态,与跨区域的产品、工程、运营和业务团队协作,持续提升商品供给质量、用户购物体验、平台交易效率与履约体验,共同探索内容电商与智能购物的新模式。

Data-国际电商团队是 TikTok Shop 的核心算法技术力量,专注于电商场景下的算法创新与规模化落地,方向包括但不限于:生成式推荐与大规模 Foundation Model、多模态商品理解与内容生成、搜索与导购、智能客服、风控治理、物流履约优化、商家经营智能化,以及 Agentic 智能体在电商全链路中的应用。我们希望通过先进的算法能力,帮助用户更高效地发现感兴趣的商品,帮助商家实现更高质量的经营增长,并持续提升交易各环节的智能化水平。

在这里,你将与一流的产品和技术团队合作,面对复杂且真实的国际化电商挑战,推动前沿技术在大规模业务场景中落地,与团队一起创造更多可能。

  • 1、参与AIGC视觉生成算法的前沿研究与应用开发,方向涵盖图像生成、图像编辑、视频生成、视频编辑、及多模态数字人生成等;
  • 2、参与相关模型的训练优化、效果调优及性能提升,重点攻克高保真图像生成、ID一致性、多模态可控生成等关键技术难题;
  • 3、推动算法在电商图像生成和编辑、短视频生成、数字人直播等核心场景的验证与落地探索,将算法能力转化为可体验的产品功能,优化生成效率与用户体验;
  • 4、跟进学术界与工业界前沿进展,参与团队的技术调研、方案设计与创新实验,将前沿研究成果快速应用于实际项目,共同推动团队在AIGC视觉生成领域的技术竞争力。

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)

类型专业能力·难度困难
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

类型项目经历·难度中等
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

类型专业能力·难度简单
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

类型专业能力·难度中等
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

类型情景/案例·难度中等
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。