字节跳动
校招AI Agent开发工程师 - Commercial AI
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，机器学习、人工智能、数理统计等相关专业优先
- 了解LLM/Agent领域经验，对复杂系统架构设计、Agent开发、LLM Post-Training、RL等方向中的至少一个有专精和深入的实践经验
- 熟悉大模型应用算法能力优先，包括并不限于SFT、RAG、Agent、PE等
- 优秀的代码工程能力、数据结构和基础算法功底，有良好的系统设计能力
- 有熟练的Agent使用经验，需要有各类Agent产品渗透在个人的日常学习与工作中
- 擅长多人合作，也能独立作战，有激情、勇于克服困难、乐于挑战、快速尝试，乐于了解业务知识，具有良好的团队合作意识、理解沟通能力以及独立解决问题的能力。
岗位描述
团队介绍：Commercial AI 负责中国交易与广告的to B应用统一模型建设，包含基础模型能力、AI Infra、统一商业数据、评测等方向。
- 1、作为广告商家服务方向的大模型算法团队成员，致力于打造广告与经营垂直领域内的Agent，给客户带来全生命周期的一体化服务，助力商家的经营与成长；
- 2、产品以抖音商家中心为统一门户，串联电商、本地生活、广告等多业务域的账户、数据与能力，目标是让企业从“人工驱动”升级为“Agent驱动”，实现ROI与利润规模的双重提升；
- 3、从商家在字节跳动的经营与营销场景切入，围绕商家的主要工作场景，打造To B企业一站式AI工作台，辅助商家完成经营策略的制定与执行落地；
- 4、不仅要以AI赋能日常工作，更要以Agent为核心驱动日常工作；不强调职能边界，每一个人都希望是全能型人才，不再强调传统的算法与工程的区分，也不再强调产品与研发的边界；只要是围绕产品目标与迭代效率，有想法就直接去端到端实现。
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。