字节跳动
实习AI Agent效果优化实习生-Aime
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、人工智能、软件工程等相关专业
- 有大模型/LLM/Agent评测、对话系统评估、模型迭代相关经验优先，具备优秀的学习能力，能快速理解复杂Agent逻辑、评测痛点与业务目标，主动思考并积极执行
- 具备高度自驱力和执行力，注重结果达成、勇于突破创新，对工作质量有高标准要求，具备解决复杂问题的毅力
- 有评测集构建、评测方案设计、数据分析/结论提炼能力，能从数据中发现真问题、给出真方案
- 熟悉主流大模型生态，有评测工具开发、自动化评测、模型调用经验者优先。
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：Aime 是字节跳动打造的企业级 AI Agent 平台，面向研发、产品、运营等多类岗位，提供基于大模型的智能服务。平台集成代码仓库、文档、知识库、飞书、Browser Use、MCP、研发工具链等企业能力，支持调研、Coding、数据分析、文档生成、Browser Automation 等复杂任务，通过自研 Agent 架构完成端到端日常工作提效。
- 1、深度参与Aime的场景落地与效果优化。以评测思想为指导，建立“发现问题-归因分析-策略调优-效果验证”的闭环，为Aime在各业务场景的最终效果负责；
- 2、基于复杂业务场景构建高覆盖、高区分度的评测数据集与验收标准，不仅定义模型/Agent的“好坏”，更要精准定位其在意图理解、任务规划、工具调用等环节的负面案例根因；
- 3、结合多样的效果衡量手段，开展高频的效果实验。通过精调Prompt、重构Workflow编排、优化RAG检索策略等方式，实现复杂多任务场景的性能指标快速提升；
- 4、深入分析Agent产品的日常运转效果，将提炼出的优化结论直接转化为可落地的技术方案（如增强系统Prompt、优化API描述、增加容错逻辑等）。
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。