字节跳动
实习AI Agent大模型应用开发实习生-TikTok
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、人工智能等相关专业优先
- 熟练使用基本的数据结构与算法，具备良好的编码习惯，熟练掌握Golang/Python/Java中至少一种编程语言及常用框架
- 了解LLM基本原理，熟悉Prompt Engineering，有RAG/Graph、Embedding等技术实践经验，熟悉LangChain等主流AI框架优先
- 了解ReAct、Multi Agent等Agent架构与思想，对MCP/SKill有实际了解或开发经验；了解或参与过大模型及Agent的评测框架建设，或对强化学习RL的应用有一定了解和实践者优先
- 有大规模分布式系统的设计和开发经验，熟悉关系型/非关系型数据库及消息中间件者优先；具有责任心、自驱力、技术好奇心和成长型思维，能够快速学习并应用前沿AI技术解决实际业务问题。
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：TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、搜索、本地生活、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。
在这里，有大牛带队与大家一同不断探索前沿，突破想象空间。在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。
- 1、Agent架构与基建研发：参与主架构Agent平台的底层架构设计与开发，包括基于ReAct模式的Agent框架等；
- 2、Agent应用落地：基于业务场景，开发并落地Agent应用，覆盖研发生产力提效、智能问答、数据分析与决策等实际业务任务；
- 3、工具与知识库基建：参与构建Agent记忆与知识系统，负责知识库接入以及工具的集成与抽象，持续丰富Agent的工具箱；
- 4、评估与算法调优：参与构建Agent能力的评估体系（Agentic Eval），基于强化学习（Agentic RL）、监督微调（SFT）等手段持续优化Agent的规划能力、工具调用准确率和最终执行效果；
- 5、深入思考研发过程中的各项问题，保障Agent系统在安全性、可用性和扩展性等方面的要求。
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。