字节跳动
校招多模态算法工程师（生成模型方向） - TikTok研发
上海 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届获得硕士及以上学位，人工智能、计算机、软件、数学等相关专业优先
- 深入理解：Diffusion/Flow Matching/Rectified Flow
- 熟悉DiT/Transformer在生成模型中的用法
- 能从公式、代码、训练、生成结果全链路Debug
- 熟练使用PyTorch，具备训练大模型的工程能力。
- 加分项：
- 有文生图/文生视频模型实战经验（非Toy）
- 熟悉多模态建模（Text/Lmage/Video/Audio）
- 有论文或开源项目。
岗位描述
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、电商C端、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、参与新一代文生图/文生视频模型的架构设计与深度优化；
- 2、深入理解并优化DiT+Flow Matching/Rectified Flow类生成模型；
3、参与或主导以下方向的设计与实现：
- 1）Diffusion Transformer（DiT/MM-DiT）架构改进；
- 2）文生图/文生视频统一模型设计；
- 3）Latent space/Tokenization/Conditioning机制优化；
4、对模型进行系统级与算法级联合优化：
- 1）包括训练稳定性、收敛速度；
- 2）显存/算力效率；
- 3）生成质量与一致性；
5、针对长序列、高分辨率、视频等场景：
- 1）设计高效Attention/Temporal modeling方案；
- 2）处理Long-context/Long-latent问题；
- 6、与系统/Kernel工程师协作，将模型结构映射到高效实现；对比、复现并改进业界前沿模型（不仅是复现）。
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。