字节跳动
校招平台研发工程师（AICC/通用平台方向） - 安全与风控
北京/深圳 · 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，计算机及相关专业
- 扎实的数据结构与算法基础，熟悉至少一门后端开发语言(Go/Java/C++/Python等)
- 熟悉操作系统、计算机网络、数据库等计算机基础知识
- 具备良好的编码习惯与工程能力，有独立分析和解决问题的能力
- 良好的团队协作与沟通能力，学习能力强，对平台/基础架构研发有兴趣。
- 加分项：
- 有分布式系统、微服务、高并发服务端开发相关的项目或实习经验
- 熟悉云原生技术栈(Docker、Kubernetes、Service Mesh等)
- 了解AI工程、机密计算、可信执行环境(TEE)等相关方向
- 有高质量开源项目、ACM/竞赛获奖或有影响力的技术项目经历。
岗位描述
团队介绍：我们团队研发尖端云安全解决方案，为字节跳动及企业客户提供规模化安全防护。
依托安全部门深厚的技术积累，以及对客户安全需求的深刻理解，我们借助领先技术与产品，通过全方位智能防御体系应对各类实际安全挑战。
我们的工作确保云环境始终安全、可靠，为整个组织的创新实践提供有力支撑。
- 1、参与AICC(AI机密计算)平台或通用基础平台的设计与研发，负责核心模块的编码、测试与迭代；
- 2、参与平台服务端能力建设，包括接入层、控制面、数据面等模块的开发，支撑上层业务与客户接入；
- 3、参与系统性能优化、稳定性提升与技术方案设计，解决平台高并发、高可用相关的工程问题；
- 4、与产品、SRE、安全等团队协作，持续打磨平台的易用性、扩展性与工程质量。
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。