字节跳动
实习AI Agent开发实习生-抖音研发
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、软件工程等相关专业优先
- 扎实的工程功底：精通至少一门主流编程语言或技术栈（Python/Go/JS/TS/Android/iOS/Harmony），对软件架构有良好的理解
- 对Agent技术在研发场景落地有兴趣，熟悉大语言模型的技术栈，在上下文工程、Skills、Agent编排、评测等有实践经验；并能清晰阐述如何通过Agent解决实际业务问题
- 优秀的系统设计与问题拆解能力：能够将模糊、复杂的业务问题，拆解为清晰、可执行的技术模块和迭代路径
- 具备良好的沟通协作能力、自驱力，愿意在快速变化的AI领域中持续学习与探索
- 每周出勤至少4天，可实习4个月以上。
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：抖音研发部门负责多款大型产品的研发，包括但不限于抖音、西瓜视频、汽水音乐。
加入我们，你将有机会参与亿级用户场景的开发与架构工作，使用前沿的技术助力业务一起不断成长。
- 1、参与抖音AI创作团队AI Native研发工具建设，推动AI Native基建建设，协同产品、算法等团队提升用户体验；
- 2、参与抖音AI创作基建Agent开发，负责需求开发中代码生成效果、全流程交付效果，参与Agent框架建设、编排调度、上下文工程建设、模型适配等，提升需求交付效率；
- 3、参与评测、知识库、上下文管理等基础能力建设，对大模型应用效果进行持续调优，通过数据分析与策略改进，提升工具的性能和体验；
- 4、跟踪AI技术趋势，思考AI研发新范式、AI新技术在研发提效中的落地场景，驱动产品创新。
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。