字节跳动
实习Agent开发实习生-AI应用与创新
杭州 · 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，计算机相关专业
- 扎实的编程基础，熟练掌握至少一门编程语言（Python/Java/Go等）
- 对AI Agent、大模型技术有浓厚兴趣，有相关项目或研究经验者优先
- 具备良好的问题分析能力和技术学习能力。
- 加分项：
- 有开源项目贡献经验者优先
- 发表过AI/软件工程相关论文者优先。
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：AI应用与创新团队，立足于抖音集团（抖音、直播、今日头条、番茄小说、财经等），致力于AI技术研究与业务创新赋能，包括：AI x体验、AI x质量、AI x安全等，助力业务品质与口碑的持续提升。
团队拥有算法（大模型、推荐、机器学习）、工程（后台、前端、大数据）、产品等多种职能岗位，地域覆盖深圳、北京、杭州、上海。
- 1、负责AI Agent框架的设计与建设，包括Agent调度编排、Tool调用（Tool Use）、多Agent协作、Memory管理等核心模块的架构设计与开发；
- 2、构建Agent基础设施，开发Agent开发套件、标准化Workflow引擎、RAG检索增强系统，降低业务接入Agent的技术门槛；
- 3、设计并实现UT单测生成Agent，基于代码分析与LLM技术实现自动化单元测试生成，包括测试用例智能生成、测试覆盖率优化、Mock数据自动构造、边界条件自动识别等能力；
- 4、设计并实现Agent Verify验证机制，建立Agent行为一致性校验、结果准确性评估、幻觉检测与容错处理体系，构建UT生成结果的语义验证与执行验证双重保障机制；
- 5、调研并引入前沿Agent技术（如ReAct、CoT、多模态Agent等），推动Agent技术在大模型评测、自动化测试、体验优化与安全风控场景的落地；
- 6、对Agent系统进行全链路监控与诊断，设计评估指标与A/B实验框架，持续优化Agent性能与业务效果，建立可量化的Agent能力评价体系。
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。