字节跳动
实习推荐算法实习生-番茄
深圳 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机、软件工程等相关专业优先
- 有扎实的编程基础、良好的编程风格和工作习惯，扎实的数据结构和算法功底
- 有扎实的机器学习/深度学习理论和丰富的实践经验，熟悉至少一种主流深度学习编程框架
- 优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情；善于沟通，工作积极主动，责任心强，具备良好的团队协作能力
- 在顶级会议发表论文，或ACM/机器学习等竞赛获奖，或有大规模推荐系统、计算广告、搜索引擎等核心算法业务经验者优先。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：Data-番茄团队，负责字节跳动下番茄小说、红果短剧、番茄畅听、国际化短剧等产品的推荐算法和AI相关工作。我们的工作包括优化业界前沿的大规模推荐系统，探索LLM与推荐的结合，并落地生成式推荐范式，从小说、短剧、音频、音乐等内容方向建设完整的内容生态和AI能力，保持业务规模保持超高速增长。
- 1、番茄各产品（番茄小说、红果短剧、番茄畅听、国际化短剧等）目前在各自领域都处于行业头部，用户规模在同类产品和同等规模产品中无论体量还是增速都处于领先；番茄系产品专注于构建故事领域的全体裁内容平台，从小说、短剧、音频、音乐等内容方向建设完整的内容生态；
- 2、参与番茄全系产品中的推荐算法工作，与拥有丰富业界经验的同学合作，共同搭建业界前沿的推荐系统，提高产品使用体验，保持产品规模继续高速增长；
- 3、具体负责小说、短剧、音频、音乐等体裁的各场景全链路推荐工作，包括召回、粗排、精排、混排等；结合业务问题设计推荐模型和优化目标，促进内容生态持续繁荣，和业务团队紧密合作。
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。