字节跳动
校招多模态大模型算法工程师 - TikTok内容安全算法
北京 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届获得硕士及以上学位，计算机、人工智能等相关专业
- 具备扎实的机器学习、深度学习和算法基础，对大模型、多模态、计算机视觉、NLP、强化学习等方向有浓厚兴趣
- 熟悉LLM、VLM、Agent、视频理解、多模态检索、RL、Agentic RL等一个或多个方向，有相关研究或项目经验者优先
- 具备良好的算法工程实现能力，熟悉PyTorch/TensorFlow等深度学习框架，能够完成模型训练、实验分析和代码实现
- 具备良好的沟通协作能力，能够与团队成员共同推进项目进展
- 在NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、ACL、EMNLP等顶级会议或期刊发表论文，或在高水平竞赛中取得优秀成绩者优先。
岗位描述
团队介绍：国际化内容安全算法研究团队致力于为字节跳动国际化产品的用户维护安全可信赖环境，通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件，团队同时负责产品基座大模型的研发，我们在研发过程中需要解决数据合规、模型推理能力、多语种性能优化等方面的问题，从而为平台上的内容审核、搜索、推荐等多项业务提供安全合规，性能优越的基座模型。
- 1、参与多模态大模型在TikTok内容安全场景中的算法研发与落地，包括视频理解、跨模态检索、复杂语义推理等方向；
- 2、参与探索大模型预训练、后训练及对齐技术，包括但不限于SFT、RL、Reward Model、模型蒸馏等，提升模型在复杂任务中的理解、推理、对齐和泛化能力；
- 3、参与Agent、GUI-Agent、Agentic RL、Self-Evolving、Loop Engineering等技术的前沿探索，推动前沿技术的业务验证与落地。
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。