字节跳动
校招语音与音频大模型算法工程师 - 抖音
上海/深圳/北京/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、人工智能、电子信息、自动化、声学、数学等相关专业优先
- 具有扎实的机器学习、深度学习和信号处理基础，在语音识别、语音合成、语音对话或音频理解等方向有实践经验
- 理解Transformer、Conformer及端到端语音模型的基本原理，了解大模型后训练相关技术
- 具备扎实的Python及PyTorch编程能力；有C++、分布式训练或在线推理优化经验者优先
- 具备良好的实验分析和工程协作能力；有相关论文、开源项目、竞赛或实习经历者优先。
岗位描述
团队介绍：Data-抖音团队，负责抖音APP的推荐算法、AI大模型应用、内容算法、增长算法、广告自动化投放、智能对话等算法工作，对接全链路各体裁（短视频，图文）各业务（内容消费，互动，UGC，双列，社交，生态，垂类，创作，消息，汽水音乐，精选，随变，增长投放，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、多业务复杂约束下的优化问题、多模态内容理解、LLM基础技术研究、业务Agent化和创新AI落地应用、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型技术支持抖音的AI分身、业务智能化、智能客服等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。
- 1、负责抖音AI分身、智能客服、VoIP等场景的语音与音频算法研发，提升实时语音交互的智能水平、自然度和稳定性；
- 2、依托公司语音及多模态基座模型，开展端到端语音对话的后训练和场景适配，提升语音理解、指令遵循和情感表达能力；
- 3、研发和优化流式语音识别、语音合成、音色与韵律建模、音频理解及音视频协同等核心能力；
- 4、建设语音后训练数据和评测体系，综合优化识别准确性、首包延迟、打断响应、轮次衔接、自然度和复杂环境鲁棒性；
- 5、推动语音模型规模化落地，通过流式推理、蒸馏、量化和缓存等方法平衡模型效果、交互延迟和服务成本。
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。