字节跳动
实习AI应用开发实习生-自助服务
北京 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，机器学习、人工智能、数理统计等相关专业优先
- 对语言大模型、多模态大型、Agent技术有基本的了解和认识
- 熟悉大模型应用算法能力优先，包括并不限于SFT、RAG、Agent、PE等
- 优秀的代码工程能力、数据结构和基础算法功底，熟练掌握Golang或Python编程语言，有良好的的系统设计能力
- 有激情、不畏难、乐于挑战、快速尝试，乐于了解业务知识，具有良好的团队合作意识、理解沟通能力以及独立解决问题的能力。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：自助服务团队致力于用技术手段，实现对电商、生活服务等多业务线的中小客户，提供从拉新、成长、到长期跟进的“智能服务”能力，支撑广告业务的投广率、消耗等业务目标，最终实现真正的“智能销售”角色。技术方向上，需要训练广告服务领域的专业大语言模型，建设对话机器人，同时配合一些基础的增效模型、推荐模型与系统、平台建设，实现更专业的领域服务手段。
- 1、自助服务技术团队，致力于打造业界领先的广告业务（To B）智能销售，从经营到投广全方位服务广告主的成长，也要预期为平台带来更多收入；
- 2、相比一般的智能客服机器人，除了回答问题之外，智能销售还要理解客户深层需求、诊断客户问题，在不同渠道、触点位置进行主动服务，提供合适的广告产品或投广建议；
3、主要工作内容包括：
- 1）深度参与智能销售方向的能力建设，负责从架构设计到功能开发的全流程工作，确保系统具备高稳定性、高性能与高安全性，满足业务快速发展的需求；
- 2）完成智能销售在不同触点、不同产品形态下的接入与优化。
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。