字节跳动
实习效能工程师（AI方向）实习生-引擎工具
上海 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机、软件工程相关专业
- 学科基础扎实；熟悉Python/TypeScript/Go中至少一门语言，熟练使用Git，熟悉Linux指令及Shell编程
- 了解大语言模型（LLM）的基本原理，对Prompt Engineering、RAG（检索增强生成）、Agent框架（如LangChain/LangGraph/AutoGen等）有实际使用或项目经验，或了解MCP（Model Context Protocol）协议、Function Calling机制及工具/Skill/插件开发经验，或有全栈开发经验及熟悉CI/CD流水线、自动化测试框架者优先
- 对AI Native研发范式有强烈兴趣，关注AI Coding、Vibe coding、SDD（规范驱动开发）等前沿实践，具备良好的技术视野
- 学习能力强，责任心强，工作认真细致，具备良好的服务意识，具有良好的团队沟通与协作能力。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：TikTok作为覆盖150个国家和地区的国际短视频平台，始终以"发现真实、有趣的瞬间，让生活更美好"为初心，全球总部设于洛杉矶与新加坡，办公网络遍及纽约、伦敦、东京等全球核心城市，影响力触达亿万用户。
引擎工具团队作为业务中台，以 "建设业界领先的 AI-3D互动特效创作平台"为核心愿景，研发覆盖美颜，美妆，2D互动、3D渲染、物理仿真，AR增强、AIGC特效等多品类的AI-3D互动能力，技术上涉及3D图形渲染，物理仿真模拟，AI-3D的重建和3D生成，端上3D创作工具等范畴，助力短视频/直播/社交/XR/商业化等多业务场景完成高质量的3D内容创作和互动表达。
在这里，有大牛带队探索前沿AI-3D的技术，你的每一行代码、每一次技术突破都将服务亿万用户，突破想象空间；在这里，团队专业纯粹，合作氛围平等轻松，让你在全球化平台上专注成长；目前上海、北京、深圳、美国圣何塞已开放多个岗位机会，期待你的加入！
- 1、参与AI-Native研发工作流建设，基于Spec（规范驱动）+Knowledge（知识库）+Skills/MCP（工具链）三位一体架构，推动AI从"辅助编码"向"研发协作者"演进，提升团队AI Coding贡献率与研效成熟度；
- 2、参与研发知识库的建设与维护，将团队隐性的架构设计、构建链路、错误修复范式、日志字段语义等经验结构化、显性化，形成AI可学习、可复用的长期记忆；
- 3、参与研发工具链的Skill/MCP化改造，将代码审查、问题归因、构建排查、自动化测试等高频研发活动封装为AI可调用的标准化技能，打通研发生命周期关键节点；
- 4、参与智能化基建平台的建设与优化，包括基于代码变更的智能测试用例推荐、问题自动归因与修复验证、线上资源监测等能力的平台化落地。
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。