字节跳动
校招搜索大模型训练/推理工程师 - 搜索架构
北京/杭州/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、软件工程等相关专业优先
- 扎实的编程和算法基础，熟练掌握C/C++、Python、Java等编程语言，有CUDA开发经验，熟悉TensorRT/Triton/CUTLASS经验者优先
- 熟悉大模型推理加速的研究和技术进展，包括但不限于模型量化、图编译、算子调优、KVCache、PD分离等
- 掌握LLM训练/推理技术，有实际开发和应用落地经验，例如Megatron、DeepSpeed、vLLM、SGLang、TRT-LLM等
- 对大模型工程有丰富的经验和广阔视野，紧追开源动态，具备独立的Troubleshooting能力。
岗位描述
团队介绍：作为字节跳动核心业务的技术引擎，搜索架构部门致力于构建全球领先的大规模智能搜索架构，支撑抖音、电商等业务的飞速发展。在抖音等短视频生态与电商业务，我们直面千亿级数据规模下的复杂工程挑战。团队深耕检索架构、分布式系统、模型工程与特征工程四大核心领域。我们通过技术创新驱动人与信息的高效连接，服务全球数亿用户的大规模搜索需求，打造极致的搜索体验。
- 1、完成LLM训练、推理技术在搜索大模型场景的研发、落地和调优，解决推荐场景的大模型工程问题；
- 2、针对PyTorch、TensorFlow等框架提供高自动化、极致性能的模型优化方案；
- 3、推动基于大模型开源组件构建，设计和实现新一代推荐系统架构，支持推荐大模型在业务落地；
- 4、与算法团队Co-Design，推动端到端生成式推荐技术创新的预研和落地。
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。