字节跳动
校招大模型训练推理工程师 - Commercial AI
北京/上海 · 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，计算机相关专业优先
- 熟练掌握Python、Rust、C++等一门或多门编程语言，编程风格良好，有框架设计和抽象能力
- 有训练、推理框架使用、设计、研发经验，参与过大模型训推工程或复杂分布式系统开发
- 乐于追踪和解决问题，喜欢钻研底层原理与性能瓶颈，擅长科学建模。
- 加分项
- 有扎实的体系结构优化经验，熟悉异构硬件、高性能网络特性
- 有科学优化的能力，能自主分析训练效率，并确定优化方向
- 对主流强化学习框架、算法有了解，对于大模型训推有技术见解与Insight。
岗位描述
团队介绍：Commercial AI 负责中国交易与广告的to B应用统一模型建设，包含基础模型能力、AI Infra、统一商业数据、评测等方向。
- 1、负责超大规模机器学习及广告大模型系统架构的设计与研发，解决系统在高并发、高可靠性、高可扩展性等方面的技术难题；
- 2、参与大模型训练与推理系统能力建设，包括超长上下文训练与推理加速、多轮轨迹交互、分布式推理性能优化等方向；
- 3、负责大模型推理任务的性能优化、流量调度、池化部署等工作，覆盖LLM、MLLM、Diffusion等多类模型场景；
- 4、面向PyTorch、TensorFlow等主流深度学习框架，提供高自动化、高性能的模型优化方案，提升模型训练与推理效率；
- 5、推动基于大模型开源组件的系统构建与能力沉淀，并负责国产硬件的适配、性能调优与稳定性优化。
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。