字节跳动
校招后端研发工程师（AI Agent方向） - 安全与风控
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、软件工程、信息安全等相关专业优先
- 至少熟悉一种主流编程语言（Go/C++/C/Rust/Java/Python，或NodeJS等），有扎实的编程能力和良好的编码风格
- 有良好沟通能力和团队协作能力，工作积极主动，责任心强
- 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
- 有AI Agent应用开发经验者优先，包括但不限于LLM集成、Prompt工程、Agent编排框架、Tool/Skill调用链路设计等
- 有架构经验优先，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。
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、负责建设面向安全团队的AI Agent底座能力，包括但不限于：Agent框架选型与落地、工具/插件体系、工作流编排、知识库与检索增强（RAG）、评测与灰度发布、观测与成本治理等；
- 2、结合安全业务场景推进Agent落地与迭代（如安全运营辅助、风险研判与处置辅助、策略生成/审核辅助、自动化分析与问答等），提升团队效率与交付质量；
- 3、负责搭建API网关及相关平台服务能力，完善权限、审计、隔离、限流等平台化基础设施，保障能力可控可管；
- 4、负责建设数据资产管理平台，为业务研发、法务、合规运营等团队提供内部数据资产和数据策略管理能力；
- 5、学习掌握各类前沿AI相关技术，与公司内外部领域专家展开合作，并在业务场景中落地。
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。