字节跳动算法实习生-质量技术

ByteIntern：面向2025届毕业生（2024年9月-2025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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、负责代码质量提升相关大模型的算法支持工作； 2、应用先进的算法解决单元测试用例生成、代码评审、代码自动修复、代码理解等代码质量提升的痛点难点； 3、调研先进的大模型和算法，寻找最优方案解决业务问题； 4、未来代码质量相关场景的更多深入研究和探索。

ByteIntern：面向2025届毕业生（2024年9月-2025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：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 1、负责代码质量提升相关大模型的算法支持工作； 2、应用先进的算法解决单元测试用例生成、代码评审、代码自动修复、代码理解等代码质量提升的痛点难点； 3、调研先进的大模型和算法，寻找最优方案解决业务问题； 4、未来代码质量相关场景的更多深入研究和探索。

团队介绍：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 课题介绍： 课题背景：随着大模型技术能力的不断发展，质量测试领域也迎来了新的机遇与挑战。传统测试基本采用手工+部分CR+编写部分核心自动化/单测用例的测试方法，主要受限于自动化/单测用例的生成维护成本、以及人员CR/测试水平的参差，在频繁变化的业务场景下很难实现高质量、全面提效的正向收益，想要全面提质提效，需要彻底改变原有测试技术框架。结合近2年大模型技术的快速发展，特别是近期发布的行业重量级LLM/VLM模型，使测试任务的自动生成、自动执行、效果及代码问题诊断成为可能，同时行业内陆续涌现多款智能化测试的商业产品，这一领域性探索有望彻底改变测试方式形态，实现全智能的AI质量保障新业态。 课题挑战： 1、智能生成：主要包括基于代码&需求文档，自动生成单元测试、功能测试用例，存在对代码、需求文档的理解、泛化推理能力弱，生成内容准确率低； 2、智能执行：主要包括自主智能遍历、测试任务智能执行，主要挑战在测试意图理解的操作路径探索、GUI理解的操作对象定位的高准确性； 3、智能检测：主要包括代码异常、功能效果异常检测，重点在基于上下游UI的异常检测、目标代码片段定位及结合调用链路及业务逻辑的缺陷挖掘的高准召。

团队介绍：字节跳动质量技术团队，聚焦质量领域，提供一系列的稳定的、有效的、技术领先的质量产品和工具，支撑电商、抖音、头条、飞书等业务。当前，我们在积极的探索质量基建与大模型的结合，构建更高效、更智能的质量技术，非常期望有更多的人才加入，在质量内建、测试效能、自动化测试等领域取得前沿的技术突破。 课题介绍： 课题背景：随着大模型技术能力的不断发展，质量测试领域也迎来了新的机遇与挑战。传统测试基本采用手工+部分CR+编写部分核心自动化/单测用例的测试方法，主要受限于自动化/单测用例的生成维护成本、以及人员CR/测试水平的参差，在频繁变化的业务场景下很难实现高质量、全面提效的正向收益，想要全面提质提效，需要彻底改变原有测试技术框架。结合近2年大模型技术的快速发展，特别是近期发布的行业重量级LLM/VLM模型，使测试任务的自动生成、自动执行、效果及代码问题诊断成为可能，同时行业内陆续涌现多款智能化测试的商业产品，这一领域性探索有望彻底改变测试方式形态，实现全智能的AI质量保障新业态。 课题挑战： 1、智能生成：主要包括基于代码&需求文档，自动生成单元测试、功能测试用例，存在对代码、需求文档的理解、泛化推理能力弱，生成内容准确率低； 2、智能执行：主要包括自主智能遍历、测试任务智能执行，主要挑战在测试意图理解的操作路径探索、GUI理解的操作对象定位的高准确性； 3、智能检测：主要包括代码异常、功能效果异常检测，重点在基于上下游UI的异常检测、目标代码片段定位及结合调用链路及业务逻辑的缺陷挖掘的高准召。