字节跳动
校招AI全栈开发工程师 - 抖音音乐
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，计算机、软件工程、电子信息、人工智能等相关专业优先
- 扎实的计算机基础，熟练掌握数据结构与算法、计算机网络、操作系统等课程；具有良好的编程习惯，代码结构清晰，命名规范
- 熟悉现代化前端框架体系，掌握Go/Python/Java/C++/Node中的一种或多种服务端语言，具备实际全栈开发经验
- 有AI Agent或LLM应用实践经验，熟悉AI Coding、Prompt Engineering、RAG、Embedding、Tool Calling、MCP、结构化输出、AI评测等任一方向
- AI产品爱好者和使用者，追求良好的用户体验；对音乐/音频有兴趣或相关背景，具备较强的自驱力和学习能力。
- 加分项：
- 有音乐、音频、音视频方向的开发或研究经验，如WebAudio、DSP、音频剪辑与可视化等
- 有AI音乐相关的实践经验，如Suno/Udio/Riffusion/MusicGen/DiffSinger/RVC等模型使用、微调或二次开发
- 熟悉大模型相关算法，如Transformer、Diffusion、Mamba、CNN/RNN/LSTM、梯度下降等
- 具备音乐理论、演唱、演奏、编曲、混音等相关背景
- 有个人技术作品、开源项目或高质量比赛/论文经历（Kaggle、ISMIR、ICASSP、ACM等）。
岗位描述
团队介绍：抖音音乐研发团队的使命是用音乐建立共鸣和激发表达，成为让用户最容易发现音乐、了解音乐、进行音乐创作、表达和交流的平台。目前已经上线了汽水音乐APP、妙响（AI音乐及MV创作）、汽水音乐内容合作平台等消费端、创作端以及平台产品。汽水音乐是旨在成为Z世代用户最喜欢的音乐应用，主打个性化推荐与沉浸式听歌体验；妙响是一站式AI音乐创作发行平台，“灵感即刻成歌”，旨在通过AI技术重塑音乐创作、分发与消费的全链路，团队有自研音乐生成大模型，结合AI打造专业音乐创作平台；汽水音乐内容合作平台，为音乐人及厂牌提供音乐作品管理、发行、宣推、词曲生产等平台能力，旨在为音乐人带来更多听众，激发创作和成长，也带来更多收益。我们期待热爱技术的你加入，一起创造更多可能。
- 1、业务开发：参与AI音乐产品的端到端研发，应用大模型和音频生成能力赋能音乐创作、编辑、翻唱、混音等C端场景，以及达人投稿、审核提效、版权治理、音质评估等B端场景；
- 2、产品体验：参与音乐创作工具的核心交互建设，包括音频播放与剪辑、波形/频谱可视化、AI生成实时反馈等，把模型能力封装成稳定易用的产品体验；
- 3、工程优化：参与AI音乐服务端链路建设，持续迭代模型调度、任务编排、结果缓存、AI Agent底层架构，优化性能、成本、稳定性和安全等指标；
- 4、前沿探索：参与AI音乐及通用AI新技术的调研与落地，如Multi-Agent、RAG、音频扩散模型、可控生成、特定小模型训练等。
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。