字节跳动
实习AI数据技术实习生-AI数据与安全
北京 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机、人工智能等相关专业学科，有复合型学科背景优先
- 每周可保证4天到岗，可连续实习优先，熟练使用Python、SQL等语言，了解机器学习/人工智能/模型调优，熟悉各种算法的基本概念
- 具有模型训练数据构建以及评估经验
- 了解提示词工程（Prompt Engineering），能优化Prompt解决不同类型的任务需求，提高模型的准确性和效率
- 具备一定的文字内容感知能力，熟悉LLM数据标注的流程和方法优先
- 对AI有高度热情，有较强的自驱力和学习能力。
- 加分项
- 有对话类大模型数据经验，模型训练集与评测集构建经验
- Agent、Workflow开发经验，包括但不限于SP、PE调优经验，深度参与PE，Skills优化并且完成闭环
- 数据构造、数据质检相关搭建数据链路以及数据自动化相关经验
- 了解行业新技术方向，并尝试运用于真实项目
- 有从0到1落地相关项目经验者（需求分析到项目落地）。
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：AI数据与安全团队为Seed基座模型及AI原生应用提供跨模态数据服务，覆盖数据生产全流程，包含模型评估标准的制定、数据规模化生产、数据飞轮搭建，不断提升数据质量，支持模型快速迭代。
团队由产品经理、数据工程、数据运营等跨职能人才组成，并通过与Seed研究员、行业专家、全球顶尖数据供应商紧密合作，从真实场景中收集反馈并分析模型表现数据，解决AI前沿突破过程中的复杂数据问题，推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者，也是模型和AI产品的一手用户。
- 1、深入理解AI大模型，产出在多模态对话/内容创作/长文本/推理等方向的高质量数据；
- 2、能通过代码和Prompt Engineering，完成数据挖掘、预处理、数据分析、链路搭建等任务；
- 3、与产品研发团队进行沟通协作，参与日常工作、工具优化、标注标准制定等；
- 4、针对大模型的突出问题，与标注团队合作进行项目专项攻坚。
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 测试 岗位的常见面试问题整理
请解释单元测试、集成测试、端到端测试的区别
查看答题思路
1. 单元测试：测试单个函数/组件，mock 所有依赖，快但覆盖窄 2. 集成测试：测试多个模块协作，不 mock 或部分 mock 外部依赖 3. E2E：模拟真实用户操作，测试完整流程，慢但最接近真实 4. 测试金字塔：底层多（单元）、中层少（集成）、顶层极少（E2E）
如何设计一个接口的测试用例
查看答题思路
1. 正常用例：合法参数，预期正确返回 2. 边界值：空参数/超长参数/特殊字符 3. 异常用例：非法参数/缺失必填参数/错误类型 4. 权限：无 token/过期 token/无权限访问 5. 性能：大并发下的响应时间 6. 工具：Postman 手动 / pytest + requests 自动化
你做过的测试自动化项目是什么
查看答题思路
1. 项目场景：什么类型的项目（Web/API/App） 2. 技术栈：pytest + Selenium / Playwright / Appium 3. 覆盖：用例数、覆盖率提升 4. 难点：如动态元素定位、数据隔离 5. 成果：bug 发现率 / 回归时间从 X 天降到 Y 小时
一个电商下单接口在双十一挂了，你作为测试如何提前发现这个问题
查看答题思路
1. 性能测试：JMeter/Locust 压测找瓶颈 2. 容量规划：预估峰值 QPS（去年 × 增长系数） 3. 全链路压测：模拟真实流量而非单接口 4. 监控：设置 CPU/内存/QPS/响应时间 告警阈值 5. 降级演练：测试限流和降级方案是否生效 6. 复盘：挂了之后的改进措施（如加缓存、加机器）
开发说「测试环境没问题，是生产环境的问题」，你怎么排查
查看答题思路
1. 不急着反驳，先看事实 2. 对比两套环境的配置/数据/版本 3. 抓生产请求日志与测试环境对比 4. 看是否网络/数据库/第三方服务差异导致 5. 如果可以，把生产流量镜像到测试环境重放 6. 沟通：不是分锅，是找根因
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。