字节跳动
校招多模态生成算法工程师 - 抖音直播
北京/上海 · 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，计算机视觉、计算机图形学、人工智能、机器学习相关专业优先
- 具有优秀的编程能力，熟练使用Python与PyTorch等深度学习框架，有良好的工程与代码习惯
- 熟悉扩散模型、GAN等生成式模型，有图像/视频生成、换装、人脸/人体驱动、数字人、口型/超分等相关研究或项目经验者优先
- 了解移动端推理与性能优化（如模型量化、算子适配、端侧推理框架），有Unreal/Blender等图形引擎经验、在CVPR/ICCV/ECCV/SIGGRAPH/ACL/ICLR/ICML/NeurIPS等顶会顶刊发表论文者优先
- 具备优秀的分析与解决问题的能力，对攻克具有挑战性的问题充满热情，具有良好的沟通与团队合作能力。
岗位描述
团队介绍：直播团队负责为抖音集团旗下产品提供直播服务。团队负责直播平台技术和直播业务研发，打造灵活稳定的直播服务平台，为用户提供优质直播体验，支持电商、本地生活、游戏、节目、多人互动等不同类型的业务场景。直播业务发展迅猛，处于行业头部地位，业务发展空间巨大。现在加入我们，和优秀的人一起做有挑战的事，你的技术与创意将影响亿级用户，激发创意和丰富生活。
- 1、构建直播领域高质量数据体系与评测基准：主导直播场景下多模态数据集的设计与建设，建立覆盖生成质量、交互体验、业务价值的多维度评测体系与量化指标，驱动模型在真实业务场景中的持续迭代与效果提升；
- 2、推动生成式AI在直播场景的全链路落地：负责互动礼物智能创作、实时特效生成、虚拟形象驱动、智能视频编辑等场景的AI方案设计与工程实现，深度参与模型选型、训练优化、推理加速与线上部署全流程，打造大规模用户可用的AI产品；
- 3、追踪前沿技术并完成业务化转化：持续跟进扩散模型、视频生成、数字人、端侧推理等前沿方向的技术进展，完成关键算法的复现、适配与优化，并推动其在直播场景中的高效落地与规模化应用。
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。