AIGC研发工程师-国际商业化创意与生态（上海）

优缺点分析

角色解读

• 技术深耕：成为AIGC/多模态领域的专家，主导核心算法研发
• 管理路线：从技术负责人发展为团队Leader，带领AI创意团队
• 业务拓展：结合广告商业化，向产品架构师或技术总监方向晋升
• 基于广告创意理解，开发并优化AI视频剪辑与自动生成算法，提升广告投放效果
• 分析流行创意，建设素材库，通过数据驱动迭代素材生产平台能力
• 追踪多模态、生成式AI等前沿技术，探索其在广告场景中的落地应用
• 扎实的AI/机器学习基础，熟悉AIGC、LLM、多模态模型
• 精通Prompt Engineering、RAG、Fine-tuning等模型优化方法
• 具备模型开发与落地经验，如视频分类、检索、Caption生成等

申请策略

• 深入了解字节跳动广告商业化业务，在面试中展示业务理解和技术结合的思考
• 突出AIGC、多模态相关项目经历，尤其是视频生成、自动剪辑等落地案例
• 强调Prompt Engineering、RAG、Fine-tuning等核心技术应用成果
• 如果有顶级论文或开源贡献，务必列出，体现技术深度
• 快速补充AIGC最新论文和模型（如Sora、VideoPoet等）的掌握
• 练习使用主流AI框架（如PyTorch）和云端GPU部署经验

面试指南

• 结构化回答：问题背景 -> 你的方案 -> 具体技术细节 -> 量化结果
• 突出与职位相关的AIGC技术栈，并展示业务思考
• 如何通过Prompt Engineering提升LLM生成广告文案的质量？
• 请介绍一个你主导的AI视频剪辑项目，面临哪些挑战及如何解决？
• 如何评估广告素材的创意效果？你会用哪些指标和模型？
• 解释一下RAG和GraphRAG的区别，在广告场景下如何选择？
• 复习多模态模型（如CLIP、BLIP、Video-LLaMA）的原理与应用
• 准备一个完整的AI广告创意项目案例，包含数据、模型、评估和上线效果