字节跳动
校招多媒体研发工程师 - 抖音用户产品
北京/上海/杭州 · 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、数字媒体、通信和电子信息科学、数学、图形学等相关专业
- 具备图像处理、图形学或多媒体开发基础，理解渲染管线、纹理采样、光照模型、着色器开发、音视频编解码等相关知识
- 熟悉C++或TypeScript/JavaScript至少一种编程语言，理解多线程、数据结构、设计模式和常见工程实践
- 积极乐观，责任心强，工作认真细致，具备良好的服务意识、团队沟通能力和跨团队协作能力。
- 加分项：
- 掌握FFmpeg、OpenGL、OpenCL、Metal、Vulkan、WebGL、WebGPU、Three.js等多媒体或图形技术者优先
- 熟悉Unity、UE等渲染引擎，有AR特效、互动贴纸、滤镜、模板、图形渲染项目经验者优先
- 熟悉AI Agent技术体系，有AIGC或Agent应用经验者优先。
岗位描述
团队介绍：抖音用户产品研发团队为抖音全业务提供研发支持与底层技术能力，是驱动业务持续进化的重要工程力量之一。团队围绕首页、推荐、搜索、图文、中长视频、AI 创作、相机、账号及社交通讯等核心场景，承担从客户端、服务端到 AI 工程链路的端到端建设，在亿级 DAU 的真实流量下，持续攻坚极致体验与前沿 AI 系统的工程命题。
我们相信，AI 正在重塑产品的底层架构。团队依托大模型与多模态技术、Multi-Agent 系统工程、在线推理与评测基础设施，面向下一代 AI 原生应用持续投入：在社交与通讯场景，探索长期记忆、多模态理解与人格化对话的技术边界，构建真正能陪伴用户的 AI 交互系统；在内容与创作场景，建设面向亿级创作者的多模态生成与可控创作引擎，让 AI 成为创作者的表达延伸；在搜索与信息获取场景，探索生成式检索、Agentic Search 与个性化推理的新一代系统架构，重新定义 "人与信息" 的连接方式。
这里有工业界领先规模的真实流量，有最前沿的 AI 工程命题，也有一群把技术做到极致的同行者。诚邀热爱技术、追求极致、渴望在真实世界解决硬核问题的你加入我们，一起在 Agent 驱动的技术浪潮中，构建支撑大规模用户的新一代产品。
- 1、负责抖音创意特效工具核心能力建设及业务线功能研发，覆盖AIGC、AR特效、互动贴纸、滤镜、道具、模板玩法等产品形态的开发、优化和迭代，支持音视频、图形、图像相关能力在移动端和跨端场景中的落地；
- 2、参与多媒体新一代编解码和渲染引擎研发，建设实时渲染、材质渲染、粒子特效、光影后处理、动画联动等底层能力；
- 3、面向抖音亿级用户场景开展性能优化和多机型适配，解决各类机型卡顿、发热、渲染异常、内存占用、包体体积等问题；
- 4、与产品、设计、运营、算法等团队协作，参与需求评审、技术方案设计、上线问题定位和体验优化，快速响应业务需求；
- 5、跟踪图形学、音视频、跨端开发、AIGC和AI Agent等前沿技术，探索智能特效生成、AI辅助创作、自动化适配等业务落地方向。
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。