字节跳动
实习AI算法实习生-剪映CapCut
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，计算机或人工智能等相关专业优先
- 具备扎实的机器学习、深度学习与概率统计理论基础，对底层原理有深入理解；熟悉相关技术栈并有深入的研究或项目经验
- 熟练掌握至少一种深度学习框架（如PyTorch），并具备分布式训练（如DeepSpeed/Megatron-LM）的实战经验
- 主动积极、具备出色的沟通协作能力和问题解决能力，对通过技术创造一流产品充满热情。
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：剪映CapCut团队成立六年，先后孵化了剪映、CapCut、醒图、Hypic、即梦Dreamina、Pippit等产品，覆盖视频、图片、AI生成、视频营销等多领域，打造与AI结合的全球化产品矩阵。
我们的愿景是：激发想象力，成为全球领先的互动内容平台，创造独特的体验和价值。
我们期待你的加入，一同极致打磨用户体验，构建创意生态和商业化能力，定义AI与创作结合的无限可能，让内容互动更简单，更精彩！
- 1、Agent Harness：面向下一代AI创作范式，探索并落地多模态创作/内容领域AI Agent的关键技术，包括但不限于Agent Memory、Agent Skills、Agent Environment/Sandbox design、Proactive Agent、多模态RAG、Agent Evaluation等技术的探索和应用；
- 2、Agent Model Post Train：探索Agent模型后训练相关技术，包括Agent SFT数据合成、Agentic RL、Rubrics-Based RL、Unified Reward System等技术的探索和应用，训练出更符合多模态创作/交互内容的Agent模型；
- 3、紧跟AIGC领域前沿动态，将最新的学术研究成果转化为产品中的实际创新，与产品、工程团队紧密配合，在快速迭代中解决真实世界的技术挑战。
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。