字节跳动
校招研发工程师（数据安全） - 安全与风控
杭州/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，计算机科学、计算机工程或相关专业
- 有扎实的软件开发实践经历；精通至少一种主流后端编程语言（Go/Java/Python等），具备高质量的代码交付能力，了解或有实践经验使用AI辅助软件开发
- 有AI Agentic开发经验，掌握主流的Harness和Agent自我提升框架
- 算法、数据结构与编程能力，熟练掌握至少一门通用编程语言，能编写清晰、可靠、可用于生产环境的代码
- 拥有丰富的产品架构设计经验，熟悉分布式系统原理，在服务治理、稳定性提升、高并发处理及容量规划等方面有实战经验
- 具备后端开发基础，了解分布式数据、分布式计算、计算机网络等相关知识，对构建可规模化运行的服务有兴趣或初步实践，具备较强的逻辑思维与问题拆解能力，能够将复杂或模糊的问题分解，并及时形成清晰、务实的解决方案。
岗位描述
团队介绍：安全工程团队负责设计、搭建并维护字节跳动的全球安全基础设施、平台及服务。我们的核心职责是研发具备可扩展性的系统与工具，为公司全域产品的安全运营提供支撑。通过交付可靠、高性能的安全解决方案，保障字节跳动全球平台的安全，并提升业务韧性。
- 1、参与建设维护字节跳动的隐私合规网关和数据保护产品，包括但不限于系统架构、性能、数据质量以及工程效率等方面；
- 2、参与建设字节跳动数据理解，数据识别Agentic系统，包括但不限于多Agent架构下识别，识别评估和Agent自我迭代；
- 3、在团队指导下承担明确的项目模块，理解项目范围、优先级与交付节奏，在追求工程质量的同时快速迭代；
- 4、保持强烈的学习意愿，积极吸收团队与资深工程师的经验，在实战中快速成长。
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。