字节跳动
校招多模态理解生成强化学习研究员-Seed大模型人才校招
北京 · 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、电子、数学等相关专业
- 具备扎实的算法与编程基础，熟练掌握强化学习、深度学习核心理论，有AIGC（图像/视频/多模态生成）领域或Agent领域的研究或工业落地实践经验
- 熟悉多模态生成模型的核心架构，熟悉GRPO、PPO、DPO等主流强化学习算法，有Reward Model搭建与优化相关经验者优先
- 能够独立完成算法从方案设计、代码实现到落地验证的全流程工作，有大规模分布式训练与优化相关经验，能针对性解决训练过程中的显存、性能等常见问题
- 发表过高质量论文，或有高质量开源项目经验者优先；具备良好的团队协作意识与跨部门沟通能力。
岗位描述
Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。
Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。
- 1、研究并搭建适配多模态理解生成场景的Agent RL技术体系；以RL驱动生成全流程的智能决策，解决复杂指令、长时序创作、交互式创作等场景下的技术问题，利用Agent 能力深度串联模型的感知理解与高质量生成，拓展多模态模型的生成能力边界与场景适配性；
- 2、负责图像、视频、世界模型等多模态场景下的RL算法端到端全流程研发，搭建稳定、可复现、可扩展的RL训练Pipeline；跟进并探索前沿RL算法，完成算法在多模态生成、长时序逻辑交互场景的适配、调优与工程落地；
- 3、参与多模态理解生成模型核心模块的RL技术创新探索，研究多模块联合优化的RL算法框架；持续迭代Reward设计体系，针对性优化多模态生成模型的核心效果指标，助力提升生成内容质量与用户使用体验；
- 4、参与RL技术基建与工具链的持续优化：迭代多模态Reward Model架构，完善RL训练数据基建，制定数据标注规范，搭建标注流程与数据有效性验证链路；优化RL训练与推理环节的显存占用、计算效率，提升训练吞吐量与技术落地效率；
- 5、持续跟踪全球RL与多模态生成领域的前沿技术进展，参与推动算法创新与落地，重点探索长视频生成、UG场景RL规模化落地、真实物理规律建模等关键方向的技术解法。
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。