字节跳动
实习【实习】面向复杂任务的数据智能体：程序推理与自适应演进研究-数据智能（北京/上海/杭州）
北京 · 实习 · 2027 届 · 博士
长期有效
任职要求
- 2027届及以后毕业，博士在读，人工智能等相关专业优先（如计算机科学、数学、电子工程等）
- 熟练使用Python、PyTorch等语言和代码库，熟悉大模型领域尤其是强化学习相关研究工作和算法，有大模型强化学习的研发基础，拥有高影响力会议论文(ICLR、NeurIPS、ICML等)、知名竞赛获奖经验者优先
- 具备优秀的学术视野与判断力，拥有出色的问题提出、分析及解决能力，良好的团队协作精神和沟通意识。
岗位描述
团队介绍：专注大模型在数据智能方向的应用落地，横向支持公司多个数据产品的大模型解决方案。团队致力于跟进大模型前沿进展，结合领域模型的优化策略来设计端到端的算法优化和评估方案，实现数据产品的智能升级与应用效果提升。团队鼓励敏捷创新，知识共享的协作氛围，专注投入对数据智能课题的持续探索研究。
课题介绍：
大语言模型（LLM）驱动的智能Agent在各类任务中展现出强大的推理与交互能力，已成为AI领域的前沿热点。然而，现有大多数Agent设计隐含地基于“确定性假设”，即默认输入信息完全可靠、任务目标明确。这在现实场景中往往并不成立——数据不完整、外部工具执行失败、用户意图随时间演变，使Agent产生误导性甚至错误的结论。面对“信息不确定性”这一核心挑战：课题一方面聚焦知识冲突与推理鲁棒性，另一方面聚焦SQL逻辑依赖与演进维护。
课题挑战：
- 1、鲁棒Agent推理问题：检索增强生成（RAG）是获取外部知识主流机制，但存在知识冲突问题，当前LLM面对噪声检索表现仍有提升空间；
- 2、演进式SQL任务开发与维护问题：企业级数据治理中，SQL脚本面临底层数仓Schema变更和业务统计口径演进问题，传统方法无法提供深层语义偏差指导，现有模型在超100行存量SQL维护任务成功率较低。
课题价值：
- 1、鲁棒Agent推理技术路线：基于POMDP的决策规划，维护信念状态并计算最优行动策略；多策略协同，认知不确定性超阈值时切换并发探索模式；自适应响应，依据信念状态残余不确定性决定输出；
- 2、演进式SQL任务开发与维护技术路线：SynSQL-Evolution 数据工程，构建百万级合成语料；GRPO强化学习框架，设计复合奖励函数；计划驱动推理范式，输出“逻辑变更清单”；依赖感知Agent协同，结合拓扑规划器处理长序列需求并构建实时纠错循环。
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。