字节跳动
实习AI芯片系统软件实习生-芯片研发
北京 · 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，专业不限
- 熟悉Linux基本操作、脚本语言（Python/Shell/Go/C其一）
- 具备AI、OS、网络基础知识，对AI、高性能IO、网络方向有兴趣
- 熟练使用Grafana/PromQL/VictoriaMetrics等相关监控服务
- 熟悉网络协议栈、数据库、Web服务框架等知识，具备后端服务开发能力
- 良好的问题分析能力，愿意学习并深入底层系统。
- 加分项
- 接触过AI Infra/DPDK PMD/RDMA ibverbs、性能测试工具（TestPMD、PerfTest、Iperf等）
- 有自动化测试框架或CI/CD经验
- 熟悉C/C++调试、perf、BCC/Bpftrace
- 有过VictoriaMetrics数据库配置、管理与可视化的实战经验
- 有过Kubernetes、Docker、Helm服务部署经验。
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：字节芯片研发团队目前工作主要集中在芯片设计环节，主要围绕字节自身业务展开芯片探索，为字节多项业务的专用场景定制硬件优化，设计多款基于先进半导体工艺的云端复杂芯片，以期提升性能、降低成本。早期若干芯片项目已经进入到量产部署阶段，有多次一版成功的投片经历，所用工艺包含多个主流的先进工艺节点。与基础设施各团队之间工作的整体协同，能更容易和更好地发挥芯片研发的价值。
- 1、参与芯片软硬件监控运维建设，开发采集插件并建设监控大盘；
- 2、参与自动化测试平台建设与测试环境维护，编写脚本与工具以提高功能/性能测试效率，搭建和维护测试环境（包括AI Infra、Linux配置、DPDK、RDMA组件调试及芯片业务问题定位），开发信息自动化收集工具并探索自动化故障诊断等；
- 3、参与芯片软件验证、仿真平台建设，完成后端模块设计、优化与开发；
- 4、开发AI相关场景、DPDK、RDMA功能与性能测试案例（带宽、时延、稳定性等），输出分析报告；
- 5、协助系统软件模块的重构、优化与小型特性开发。
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。