字节跳动
校招算法工程师 - 火山引擎
北京/上海 · 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，专业不限，计算机、人工智能、电子信息等背景优先
- 对大模型有超出"会用"层面的理解，知道模型在哪些场景下会失效、为什么失效，并且对如何改进有自己的看法
- 有独立完成的AI项目、竞赛成果、论文或开源工作
- 熟悉Python，用过PyTorch、Transformers、LangChain、LlamaIndex等工具中的一种或多种
- 有数据敏感度，能独立设计评测、看懂指标背后的问题，追求深度效果优化
- 愿意跨团队协作将技术效果落地到实际场景，而非仅停留在离线实验阶段。
岗位描述
团队介绍：火山引擎是字节跳动旗下云和AI服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业，通过云和AI技术，推进企业智能化转型，激发增长潜能。
- 1、负责具体场景的算法方案设计，包括多轮对话与拒识、意图理解和任务拆解、语音与图片理解、场景化推荐等，方案设计与验证由你主导；
- 2、在端侧的强约束下做效果与成本的权衡，探索小模型、蒸馏、缓存、分层决策等各种可能性，鼓励探索团队尚未尝试的路径；
- 3、建设RAG与记忆能力，从检索策略、知识组织到效果归因，需独立搭建评测闭环来判断改动是否真的有效；
- 4、开发Agent相关能力，包括工具调用、流程编排与长程对话/任务管理，并解决相关稳定性与可控性问题；
- 5、深入分析线上真实案例，找出模型失效的规律，将偶发不良案例转化为可复现、可度量、可优化的问题。
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。