字节跳动
校招主动式Agent研发工程师 - PICO
北京 · 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、电子信息、自动化等相关专业
- 有多模态大模型或计算机视觉相关研发经验，精通PyTorch深度学习框架，具备扎实的算法基础，深入理解Transformer、ViT、多模态特征对齐等核心技术原理
- 熟悉主流多模态大模型的架构与训练推理流程，具备VLM模型微调、部署落地的实操经验
- 具备实时视频理解、流式多模态交互相关项目经验，熟悉视频流处理、帧采样、时序建模等相关技术
- 具备良好的工程实现能力，熟悉vLLM等主流大模型推理框架，有低延迟推理系统开发与优化经验者优先
- 具备较强的问题分析与解决能力，能够独立完成技术方案设计与落地，拥有良好的团队协作与沟通能力。
- 加分项：
- 有开源多模态项目贡献经历，具备主流多模态系统二次开发与定制化经验
- 具备vLLM定制化开发、KV Cache优化、低位量化推理等性能优化经验
- 熟悉强化学习在多模态交互决策中的应用，有RLHF/DPO相关训练经验
- 具备端侧多模态模型部署、边缘计算设备适配经验。
岗位描述
团队介绍：作为一家拥有自主创新和研发创造能力的科技品牌，PICO致力于成为领先的世界级XR平台，成就开发者与创作者，共同为全球消费者创造更美好的生活体验。我们开创性地将虚拟现实扩展到了多个领域，为运动、视频、娱乐等消费级场景带来了全新体验；并广泛应用在教育、医疗和企业培训等商用场景，给全球企业级用户提供了多元化的VR解决方案。
- 1、负责实时视觉语言交互系统的架构设计与核心模块开发，实现视频流、语音、文本多模态输入的融合交互能力；
- 2、研发实时视频理解、流式多模态对齐、主动交互决策等核心算法，持续优化交互的准确性、连贯性与自然度；
- 3、负责多模态交互系统的全链路工程落地，包含多源视频流接入、低延迟推理调度、语音交互模块、业务接口封装等；
- 4、针对实时推理场景进行性能优化，降低端到端响应延迟，优化长时视频的显存与算力占用，提升系统并发处理能力；
- 5、参与多模态交互数据集构建、模型微调与效果评测体系建设，持续迭代模型与系统效果；
- 6、跟踪流式多模态大模型、长视频理解、主动交互范式等领域前沿技术，结合业务需求开展技术预研与落地验证。
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。