字节跳动
校招Code Agent策略算法工程师 - TRAE
北京/上海/杭州 · 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，计算机科学、软件工程、人工智能、数学等相关专业
- 具备扎实的编程基础和良好的工程素养，熟悉Python/C++中至少一门语言
- 熟悉机器学习/深度学习基本原理，了解Transformer架构及大语言模型相关技术
- 自驱力强，对AI编程方向有热情，具备快速学习和独立解决问题的能力。
- 有以下一项或多项经历者优先：
- 大模型预训练/微调/RLHF相关研究或项目经验
- Agent框架、工具调用、代码生成相关开发经验
- 高质量学术论文发表（NeurIPS、ICML、ICLR、ACL、EMNLP等）
- 开源项目贡献或编程竞赛获奖。
岗位描述
团队介绍：TRAE是字节跳动旗下AI办公工具，产品已上线国际版与中国版，拥有TRAE IDE和TRAE Work两种产品；既可以用TRAE IDE写代码、读项目、改Bug，也可以用TRAE Work写方案、做分析、做应用、推进协作。TRAE当前支持PC、手机、Web多端使用，让用户随时随地高效产出！ Let TRAE Work For You！同时我们正在寻找充满热情、富有创造力的人才。期待你的加入！
- 1、参与TRAE代码场景的大模型效果优化，包括数据建设、指令微调、RLHF/RL后训练及评测体系搭建；
- 2、参与TRAE Agent Harness核心能力的设计与迭代，包括多模型适配、Context Engineering、工具调用与多轮规划；
- 3、参与Agent效果分析与业务指标建模，通过数据驱动持续提升产品体验；
- 4、跟踪LLM、Agentic Workflow、Tool Use、Code Agent等方向的前沿进展，快速验证并落地创新方案。
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。