字节跳动
校招搜索内容质量评估（日语/韩语方向） - TikTok
北京 · 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
- 英语、日语熟练读写和沟通，具备内容评估、搜索评估、内容审核、策略运营、风险控制、申诉处理、质量管理等内容研判运营工作经验，有复杂案例处理经验者优先；具备较强的深度研判能力，能够在信息冲突、规则不完整和场景不确定的情况下，抓住矛盾并做出高质量裁决
- 具备较强的标准抽象能力，能够将个人判断经验结构化，转化为团队可复用的标准规则、案例资产和执行口径
- 具备良好的全局风险识别能力，对高风险场景、系统性异常、规则漏洞和质量波动有较高敏感度
- 具备优秀的逻辑表达和跨团队协同能力，既能向评估员讲清楚判断标准，也能与产品、策略、工程等合作方高效沟通。
- 加分项
- 具备复杂内容审核、策略风控、复杂申诉处理等高难度研判经验，实际参与过标准、规则或SOP制定
- 具备产品、策略、运营协同背景，能够将一线业务问题转化为可落地的产品需求、工具优化方案或机制改进建议。
岗位描述
团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。
- 1、识别评估规则中的空白、歧义、冲突及系统性偏差，推动形成清晰可执行的判断标准、规则补丁和落地口径，提升团队判断一致性；
- 2、承接评估员升级的高复杂度、规则模糊、争议性案例，基于业务目标、规则口径和用户体验进行综合判断，输出高可信、可解释、可复盘的研判结论；
- 3、将典型个案、争议场景和复杂判断经验沉淀为可复用的团队资产，包括Golden案例、FAQ、案例库、SOP补充说明等，支持一线高效执行；
- 4、通过抽检、复盘、案例讲解等方式，帮助评估员提升复杂场景处理能力，降低重复升级、无效升级和误升级比例；
- 5、对高风险场景、异常模式和潜在质量问题保持敏感，及时发现一线执行中的共性问题，并推动形成长期治理方案；
- 6、将一线业务问题、规则痛点和工具缺口转化为产品研发需求，与产品、策略、工程、运营等团队协同，推动工具优化、流程改进和机制闭环。
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。