字节跳动
校招AI全栈研发工程师 - 模型数据工程
北京/深圳 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、人工智能、软件工程等相关专业优先
- 具备扎实的工程能力，具备代码能力与系统抽象能力，能够熟练应对复杂状态机流转、高复用业务组件抽象以及遗留系统的渐进式改造
- 具备强烈的“契约优先”和“边界防范”意识，深刻理解在借助AI工具（大模型辅助编程）实现大幅提效的同时，如何通过设计高内聚低耦合的业务边界、完善测试与校验
- 有数据标注平台、Workflow编排、数据合成或AI训练数据管道开发经验者优先
- 具备代码大模型应用经验或主导过基于LLM的实际业务应用落地者优先，有顶会论文者优先
- 优秀的跨团队协作能力，具备积极主动的开发理念，具备强烈的自驱力与“把事情做好”的建设性心态，能通过技术创新与业务重塑解决实际痛点。
岗位描述
团队介绍：数据工程与平台团队旨在实现人类知识与经验向模型能力的加速迁移。我们从真实场景出发，通过模型短板识别、高质量数据定义、规模化数据生产，提升模型能力。与此同时，团队还致力于依托训练反馈，反哺数据设计，推动系统迭代，构建业内一流的数据工程能力与平台。
- 1、负责大模型数据生产体系构建，从大规模的数据合成到人机协同，深入研究大模型工作原理，深度参与和助力大模型效果迭代；
- 2、深度参与业务，通过数据分析与算法策略改进，优化大模型数据的交付质量与规模，提升模型效果和用户体验，并与跨部门团队协作推动项目落地；
- 3、推动数据平台的智能化演进，搭建AI辅助的智能标注、质量校验与数据迭代闭环系统，实现任务的自动分配、错误智能修正、数据价值自动评估，降低人力成本并提升数据生产的标准化与规模化；
- 4、主导老系统的渐进式重构与边界治理；在引入AI生成代码提升效率的同时，能够建立有效的隔离与防御机制；
- 5、关注行业前沿技术，探索大模型在代码生成、多模态处理、自动化评测等领域的创新应用，为数据生产系统的技术底座提供前瞻性建议。
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。