字节跳动
校招Agent安全算法工程师 - 飞书
北京/上海 · 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，计算机、人工智能、数学、信息安全等相关专业
- 熟练掌握Python、Java、C++中至少一种语言
- 熟悉SQL/HQL及数据分析工具，掌握Hadoop、Hive、Spark、Flink中至少一项
- 掌握机器学习、深度学习基础，具有异常检测、关联分析、图挖掘等实践经验
- 了解文本或多模态大模型，熟悉LLM、Agent、Tool Use者优先
- 具备体系化分析、工程落地、快速学习及跨团队推动能力。
- 加分项：
- 有Agent安全、大模型安全、风控反作弊或黑灰产对抗经验
- 熟悉提示词攻击、Agent身份授权、工具调用、数据外发等风险
- 熟悉OAuth、Token安全、DPoP、设备指纹等身份与凭证安全技术
- 有安全算法论文、竞赛成果或风险运营经验。
岗位描述
团队介绍：飞书是字节跳动旗下 AI 工作平台，面向人与agent协作，提供一站式协同办公、组织管理、业务提效工具和深入企业场景的 AI 能力，让 AI 真能用真落地。
从互联网、高科技、消费零售到制造、金融、医疗健康，各行各业先进企业都在飞书落地AI，与飞书共创行业最佳实践。先进团队，AI用飞书。
- 1、负责Lark AI Agent安全算法建设，识别提示词攻击、身份冒用、凭证盗用、授权异常、危险工具调用、数据外发及内容风险；
- 2、结合大模型及设备、网络、行为、会话等信号，对抗黑产攻击、批量操控、网络劫持和异常代理；
- 3、挖掘海量数据中的攻击模式，建设安全数据集及风险发现、研判、溯源能力；
- 4、开展模型训练、调优与评估，持续提升算法效果、性能及业务收益；
- 5、综合模型、规则、图谱和策略，推动风险识别、处置及运营闭环。
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。