AIGC后训练算法专家-智能创作

优缺点分析

角色解读

• 技术纵深发展：成为AIGC大模型领域的顶级专家
• 跨领域扩展：向多模态理解、通用人工智能方向拓展
• 管理路线：带领团队负责核心算法方向，主导落地项目
• 研究并优化多模态生成模型（文生图、视频、3D）的后训练算法，包括SFT和RL技术
• 设计数据构造与偏好对齐策略，利用VLM构建PE系统提升模型质量
• 与工程团队合作，将算法落地到抖音、剪映等产品的创作工具中
• 扎实的计算机视觉和深度学习基础，熟悉扩散模型、VLM等主流架构
• 精通强化学习算法（如PPO、DPO、GRPO）及其在生成模型中的应用
• 具备数据敏感性，能设计高质量训练数据集并进行消融实验

申请策略

• 在简历和面试中突出你对AIGC技术趋势的理解，展示对业务场景的思考
• 了解字节跳动智能创作团队的产品（如剪映、即梦），准备好改进建议
• 突出视觉大模型（扩散模型、VLM）的研发经验，包括具体模型和训练方法
• 展示强化学习在生成模型中的应用案例，如偏好对齐、RLHF等
• 强调产品落地经验，说明你的工作如何影响最终用户体验或业务指标
• 列出发表的高水平论文或开源贡献，体现学术影响力
• 若对RL算法不熟悉，可补强PPO、DPO、GRPO等算法原理及实践
• 深入理解数据构造和模型评估方法，学习最新的大模型后训练技术

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目，重点突出技术挑战和你的贡献
• 对于对比类问题，先明确比较维度（收敛速度、计算成本、效果），再给出选择依据
• 对于开放性问题，结合经典论文和个人思考，提出具体的技术路线或实验方案
• 请详细描述你参与过的一个AIGC模型的后训练项目，包括数据构造、训练策略和最终效果
• 对比PPO和DPO在扩散模型微调中的优缺点，如何选择？
• 如何设计一个RM（奖励模型）来评估生成式模型的质量？
• 在多模态生成中，如何解决图文不对齐问题？
• 你对当前文生视频技术的瓶颈有什么看法？你会如何改进？