字节跳动
实习大模型应用后端开发实习生（Agent方向）-巨量星图
上海 · 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，计算机相关专业优先
- 具备熟练的Python/Go语言编程能力和良好的编程习惯和代码管理能力；熟悉服务端基础技术，包括但不限于Ray、数据库、消息队列、ES等，能够高效地进行后端服务的开发与维护
- 有AI应用项目的相关经历，熟悉LLM应用架构，PE工程、上下文工程和数据评测等，对于Agent，RAG，ReAct等技术有认知和实践
- 创新能力和创新意识比较强，对于不断探索新的AI技术和应用场景有强烈意愿和主观能动性，能紧跟AI领域的最新发展动态，不断提升自己的专业知识和技能
- 具备良好的沟通技巧，能够与业务和算法团队有效沟通，理解业务需求，并将其转化为技术实现。
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：巨量星图是达人智能营销平台，内容营销的起点，通过海量优质的达人供给，让商单创意尽情发挥。助力电商、本地、游戏等行业品牌商家在抖音做好「种草」与「转化」，并通过丰富的平台能力与工具扶持达人持续变现、健康成长。
- 1、负责大语言模型在巨量星图场景的工程化落地，搭建脚本/视频创作、智能对话、Agent等应用的技术框架与工具，以提升客户、达人及服务商的效率；
- 2、了解SFT/RLHF等大模型优化技术，与算法同学一起构建工程链路来优化内容生成，包括且不限于内容可植入判断、脚本生成、素材创意感知等场景；
- 3、基于多模态大模型，设计并构建支持大量级数据的高可用系统，实现文本、短视频、直播切片的理解与推荐；
- 4、探索并搭建内容营销Agent系统，通过Planner、AutoPrompt、上下文工程等技术构建灵活的自规划Agent，满足客户在简报理解、创意洞察、内容策略生成、达人匹配等不同场景的差异化需求；
- 5、跟进大模型领域前沿技术，将其转化为可落地的工程方案，搭建技术适配的平台框架，提升平台的智能化水平。
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。