字节跳动
校招AI应用算法工程师 - 小荷健康
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、软件工程等相关专业优先
- 优秀的代码能力、数据结构和基础算法功底，熟练掌握C++或Python
- 熟悉机器学习算法，有一定的算法应用经验和出色的技术判断能力
- 出色的数据和问题分析能力，对新问题能够独立探索解决方案
- 良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。
- 加分项
- 有LLM/Agent/搜索/推荐/广告等领域算法工作经验
- 以第一作者在ICML、ICLR、NeurIPS、ACL等顶级学术会议发表过高影响力研究成果者优先
- 在ACM/ICPC、NOI/IOI、Kaggle等编程或AI竞赛中获奖者优先。
岗位描述
团队介绍：小荷健康是字节跳动旗下的医疗健康品牌，我们致力于利用大模型技术，探索医疗健康服务的新范式，孵化了“小荷AI医生”app，为用户提供专业的健康咨询服务。小荷健康拥有专业的医学和互联网产研团队，认真探索AI医疗。
- 1、在抖音、今日头条、小荷健康等App内，负责全端医疗AI医疗卡体验优化和医疗大模型首轮对话，带动垂类业务增长和用户体验；
- 2、改进基于深度学习、端到端生成式的搜索系统，覆盖从候选挖掘到召回、粗精排、多目标融合全链路技术环节，迭代优化端到端生成式搜索，探索Agent在医疗搜索的应用；
- 3、探索通用搜推技术的上限，并结合LLM、Harness落地在搜推及chat化场景；
- 4、通过SFT、DPO、RM优化、RL训练提升各场景模型回答质量，探索如何利用海量的用户反馈信号及体验构建端到端医疗生成大模型，优化个性化回答能力。
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。