字节跳动
校招大模型算法工程师（企业知识与智能体方向） - 飞书AI
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、软件工程、人工智能、数学等相关专业优先
- 具备良好的学习能力、问题分析能力和团队协作精神，能够将开放性问题转化为可实现、可评测的技术方案
- 对大语言模型、智能体、企业知识管理、信息检索、知识图谱或个性化系统等方向感兴趣
- 参与过自然语言处理、大模型训练或微调、RAG、搜索推荐、知识图谱、Agent等相关项目者优先
- 具备数据构建、模型评测、用户行为分析或真实业务问题解决经验者优先
- 在相关领域发表过论文，参加过高水平竞赛，或具有开源项目贡献和实际项目开发经验者优先。
岗位描述
团队介绍：我们是飞书内部的 AI 算法研发与中台能力建设团队，围绕 LLM、Agent、多模态、语音 ASR 等方向，系统性建设 AI 中台能力，并支撑飞书多款 AI 核心产品落地。现阶段重点投入豆包办公任务模式，依托飞书成熟的一站式协作与管理能力，以及豆包办公任务模式领先的大模型能力，我们正在打造深度融合沟通、会议、文档、知识、创作与执行全场景的下一代 AI 办公产品，推动办公平台从传统协作工具升级为智能生产平台。
团队不仅做业务落地，也持续探索前沿技术边界，研究成果已发表至多个顶级会议，并在企业问答、会议待办、文档解析等真实场景沉淀多项技术专利。
加入我们，你将有机会同时参与 AI 中台能力建设、AI 核心业务落地、前沿研究成果产品化，把大模型与 Agent 能力真正推入企业办公主流程。
- 1、参与飞书企业智能相关算法研发，面向文档、IM讯、会议等企业多源异构数据，开展知识理解、组织、检索与应用；
- 2、参与大模型上下文与记忆系统建设，研究如何基于用户、项目和组织的历史信息，为智能体提供准确、完整的上下文；
- 3、围绕大语言模型、RAG、知识图谱、Agent、Memory等方向，开展模型及算法优化，提升大模型在企业知识问答、内容创作、数字分身等场景中的效果；
- 4、参与算法能力的全链路建设，包括数据构建与清洗、模型训练与微调、检索与生成策略设计、离线评测、在线实验及用户反馈闭环；
- 5、跟进大模型与智能体领域的前沿进展，探索相关技术在真实企业办公场景中的落地与产品化。
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。