字节跳动
实习大模型算法实习生-财经业务
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，金融、计算机等相关专业优先
- 优秀的代码能力，掌握常见编程语言和算法，熟悉PyTorch或TF等机器学习编程框架
- 在大模型、RAG、智能对话或搜索等方向要求有丰富的实践经验，在ACL/EMNLP/SIGIR/WWW等顶级期刊会议上发表论文者优先
- 有大模型训练和微调经验的同学优先
- 出色的问题分析和解决能力，有自主探索解决方案的能力；良好的沟通协作能力，能和团队一起探索新技术，推进技术进步
- 出色的心理素质与应变能力，面对困难勇于迎接挑战；面对复杂局面沉着、冷静、灵活。
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：财经业务依托抖音集团的流量优势和领先的基础技术能力，通过“抖音支付”“抖音月付”“放心借”以及退货运费险等产品，为广大个人用户、企业和机构提供支付、消费金融和保险经纪等金融科技服务。
- 1、建设金融领域的顶尖AI应用，包括金融智能助手、智能客服、智能语音对话、数据智能决策等基于Agent框架和实时语音对话框架的LLM应用，支持支付、消金、理财、保险等场景的用户对话需求；
- 2、对话Agent系统的建设，包括对话生成模型的Continue pretrain和Post-training，解决对话场景中的历史对话记忆、个性化回答生成、幻觉问题、自主action决策、RAG准确性、LLM对系统状态的理解、对话知识库挖掘等核心技术挑战；
- 3、实时语音对话系统的建设，探索端到端文本生成模型、端到端语音生成模型、领域知识注入模型、基于对话引导效果的强化学习等；
- 4、负责业务场景的算法方案设计、模型训练、模型部署、数据挖掘等全流程工作，同时在核心技术问题上探索业内前沿的解决方案，挑战state-of-art。
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。