字节跳动
实习AI研发实习生-剪映CapCut用户增长
上海 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机、软件工程等相关专业优先
- 热爱计算机科学和互联网技术，精通至少一门编程语言，包括但不仅限于：C/C++、Python、Go、Java等
- 掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识
- 有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分
- 对AIGC相关技术感兴趣，有AI Agent建设经验者优先
- 有AI项目经验优先，每周出勤至少4天，实习3个月及以上。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：剪映用户增长团队服务剪映、CapCut、即梦、醒图、小云雀等数亿级视频、图片创作产品。团队应用AI前沿技术，采用敏捷闭环的开发方式，鼓励端到端探索。并且基于大模型技术，开发增长营销Agent，整体方向具有明确的商用前景和业务重塑空间。团队职责是提供覆盖多区域市场，全球化场景的增长解决方案，例如SEO、社交媒体营销等，推动AI驱动的全球化增长策略落地，持续积累国际化视野与实践经验。
- 1、参与剪映系产品的功能开发，通过调研、评估和引入前沿AI能力，优化和编排AI生成链路，协同产品、算法等团队提升剪映系产品用户增长和研发效率；
- 2、参与Prompt、等RAG等优化工作，MCP协议链路搭建与性能调优；
- 3、理解和掌握AI领域技术研究与应用，包括但不限于生成模型优化、多模态内容合成、实时交互体验提升等方向；
- 4、根据业务规划确定相应技术实现，并落地技术方案在业务的应用。
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。