字节跳动
实习AI应用开发实习生-飞书项目
杭州 · 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、软件工程、人工智能等相关专业优先
- 具备一定后端开发经验，扎实的代码功底与基础系统设计能力，熟练掌握至少一种服务端开发语言（Golang优先，Java/Python亦可），熟悉常用后端框架、协议及存储、缓存等核心技术组件
- 对AI应用开发和搭建调优有浓厚兴趣，具备AI/LLM基础知识及一定实践经验，熟悉LLM应用架构，对Agent、RAG、SFT等技术有基本认知与理解
- 具备良好的工程习惯，重视代码质量、测试与日志规范，有较强的问题排查能力，能配合团队完成技术攻坚
- 创新意识强，乐于探索新的AI技术与应用场景，主动关注AI领域最新动态，具备较强的学习能力、主观能动性及跨团队协作意识
- 有大模型应用工程、AI研发工具前后端开发经验者优先；参与过AI相关校园项目、竞赛或开源项目者加分；能保证稳定实习周期（3个月及以上）。
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：飞书项目(Meego)是为复杂场景打造的专业项目管理平台，通过标准化工作流，大幅提升协作效率，获取项目数据洞察，驱动项目成功。目前，飞书项目已经很好的支持了近千家来自多个行业、多个国家和地区的客户在软件研发、硬件开发、敏捷开发、企业经营管理、反馈管理等复杂协同场景。
- 1、协助团队设计与实现面向项目管理场景的Agent智能体后端功能，参与任务规划、工具调用、对话管理等模块的开发与调试，助力优化智能体在复杂业务场景下的稳定性与执行效率；
- 2、协助开展基于RAG的知识问答/助理类应用后端开发，参与检索、召回、重排等核心模块的工程实现与调优，配合维护知识库、索引体系及基础评测流程，提升检索准确率；
- 3、协助完成基于LLM的业务系统后端架构辅助工作，包括接口设计、模型调用层开发、缓存策略优化及基础监控链路搭建，保障系统高效运行；
- 4、协助进行关键场景的Prompt设计、调优与版本管理，参与搭建简易评测集，配合团队完成模型效果的持续评估与数据驱动的优化工作；
- 5、跟踪大模型、AI Agent、RAG等领域前沿技术趋势，结合项目管理业务场景开展调研分析，为团队提供创新技术思路与落地建议。
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。