字节跳动
实习大模型算法评测实习生-质量团队
深圳 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 2027届硕士及以上学位在读，计算机/人工智能相关专业优先
- 对技术和基础原理有执着追求，善于用各种手段解决问题；熟悉各类业界主流的人工智能相关的平台特性，具备平台开发经验&能力；熟悉至少一门编程语言，包括但不仅限于：Java、OC、C、C++、Python、Go、PHP
- 了解NLP、神经网络、生成式语言大模型等基本原理，有过AI类产品算法评测经验最佳
- 对业界人工智能领域保持高度热情。
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：字节跳动质量团队作为公司质量保障体系的核心力量，覆盖Trae、Coze、开发者服务、语音等多个业务关键领域，通过建设和提供更高效的质量保障方案、技术、工具以及业务自动化保障服务，为公司业务稳健发展提供坚实保障。
当前，我们聚焦用 AI 重构测试流程、提升研发效能，探索从 “自动化” 到 “智能化” 的质量保障新路径。我们坚信，AI 将彻底改变测试行业的底层逻辑，欢迎加入，与我们一同突破技术边界，定义下一代质量保障模式，推动行业变革！
- 1、负责字节跳动人工智能产品线，站在用户视角构建端到端的算法效果评测体系；
- 2、深入业务结合业务需求痛点，设计完备的算法效果质量保障、评测方案；构建合理且置信的标准化评测体系，解决业务评测效率和效果问题；
- 3、推动通用人工智能评测方案的升级迭代，逐步推广至公司内的商业化平台。
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。