字节跳动
校招AI Agent开发工程师（安全与合规） - 剪映CapCut
深圳/广州 · 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、软件工程、信息安全、网络安全等相关专业优先
- 热爱计算机科学技术，精通至少一门编程语言，包括但不仅限于：Java、C、C++、PHP、Python、Go，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
- 了解大模型、多模态及AI应用的基本原理、能力边界和风险特征，能够理解产品架构、数据流转及人机交互过程中的问题
- 具备AI Native工作意识和较强的学习能力，能够熟练运用AI Agent提升工作效率。
- 加分项：
- 有生成式AI内容治理、隐私保护、版权治理或数据安全相关项目、实习或研究经历
- 熟悉个人信息保护、数据安全、生成式AI治理等相关规则
- 有使用AI工具搭建自动化工作流、评测工具或风险分析原型的经验。
岗位描述
团队介绍：剪映研发团队，主要支持剪映、CapCut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。
- 1、参与安全合规建设，围绕内容安全、版权与知识产权、隐私保护和数据安全开展风险识别、合规评估及治理方案落地，推动安全要求融入产品全生命周期；
- 2、参与安全合规标准与治理机制建设，包括内容风险分类与处置、训练及生成内容版权风险评估、数据来源与授权管理、个人信息最小化及数据生命周期管理等工作；
- 3、参与AI产品安全合规测试和效果评估，建设评测指标及风险监测机制，识别不当内容、版权侵权、敏感信息泄露、违规数据使用等问题，协同产品、研发、算法、法务和运营团队完成整改闭环；
- 4、持续探索AI技术、产品形态及治理规则的发展，运用大模型、自动化工具以及Harness、Loop Engineering等思路，提升政策研究、合规评审、风险测试、监测处置等工作的质量与效率。
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。