字节跳动
实习后端开发实习生-中国区搜索广告
北京 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机等相关专业优先
- 有扎实的编程能力，深入了解C++/Golang/Java等至少一门编程语言
- 熟悉Linux操作系统和开发环境，有良好的数据结构、算法基础和系统设计能力
- 具备出色的分析问题、解决问题能力，拥有较强的生产系统分析和调试能力
- 善于沟通，工作积极主动，责任心强，具备良好的团队协作能力
- 有搜索引擎、广告投放系统开发经验者优先；有高并发、分布式系统开发经验者优先。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：搜索广告团队是负责抖音，抖音电商，今日头条，西瓜视频等搜索全场景的收入变现团队。在这里我们有丰富的搜索流量， 综合的广告业务场景（包括不限于电商、本地、到店商家、游戏客户、装修客户、下载类客户等）。作为技术团队，我们的系统拥有核心并且先进的算法：1、使用LLM和视频理解技术进行广告的匹配和相关性计算；2、使用AIGC技术帮助客户自动生成广告的标题、图片和视频创意提升创意效率；3、利用先进模型预估用户的点击率和转化率；4、客户机制和策略帮助客户提升转化效果和投放效率；5、同时丰富的流量也带来了非常多的工程挑战。如果你在机器学习、LLM、Coding、工程等方向有不错的知识和经验，欢迎加入我们一起丰富和完善搜索广告营销和技术平台。
- 1、负责字节跳动搜索广告投放系统的设计与实现，致力于构建高并发、低延迟的广告投放架构；
- 2、优化搜索广告触发、定向、召回、排序等关键策略的工程实现，保障业务快速发展。
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。