字节跳动
校招AI应用开发工程师 - 质量团队
杭州 · 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，人工智能、计算机、软件工程、电子信息工程等相关专业优先
- 具备扎实的人工智能、计算机基础知识，精通至少一门编程语言，深入理解LLM、算法、操作系统和网络等知识
- 熟悉AI大模型应用，拥有Agent搭建、Skill开发、Prompt Engineering经验者优先
- 逻辑思维清晰，自学与钻研能力强，责任心强，善于协作沟通，热衷智能化质量测试领域。
岗位描述
团队介绍：字节跳动质量团队作为公司质量保障体系的核心力量，覆盖Trae、Coze、开发者服务、语音等多个业务关键领域，通过建设和提供更高效的质量保障方案、技术、工具以及业务自动化保障服务，为公司业务稳健发展提供坚实保障。
当前，我们聚焦用 AI 重构测试流程、提升研发效能，探索从 “自动化” 到 “智能化” 的质量保障新路径。我们坚信，AI 将彻底改变测试行业的底层逻辑，欢迎加入，与我们一同突破技术边界，定义下一代质量保障模式，推动行业变革！
- 1、围绕跨端业务参与质量智能化建设，赋能AI研发模式升级以及质量Loop闭环；
- 2、负责质量工具与平台的研发全流程，包括但不限于测试Agent、Skill、MCP、知识库构建等，沉淀可复用组件；
- 3、参与跨端业务质量分析及痛点改进，以AI智能化、工程化手段持续推进质量体系、开发体验、用户体验优化；
- 4、面向跨端业务的质量保障前沿课题，开展创新性质量技术0-1突破工作，以及创新技术的规模化应用。
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。