大模型算法工程师（数据方向）-剪映CapCut（北京/深圳/广州）

优缺点分析

角色解读

• 可向大模型技术专家方向深耕，成为算法负责人或技术Leader
• 可横向拓展到多模态、视频理解、AIGC等前沿领域，参与核心产品研发
• 随着AI创作领域快速发展，有机会晋升为团队骨干或技术架构师
• 负责高质量数据建设，包括数据挖掘、清洗、对齐和自动合成，以优化Agent生成效果
• 训练和优化多模态大模型，提升模型在理解、生成、编辑和控制方面的能力
• 建立数据质量评估体系和模态对齐机制，探索数据与模型的共进化反馈
• 将创新技术方案落地到实际业务场景，服务创作用户，推动AI内容创作突破
• 扎实的编程能力，熟练掌握Python或C++，有良好的工程习惯
• 熟悉NLP、CV、ML、RL等技术，理解Transformer、Diffusion、SFT、RLHF等大模型技术栈
• 优秀的问题建模与数据分析能力，对数据驱动方法有热情
• 良好的沟通协作能力，能团队探索新技术，具备心理素质与应变能力

申请策略

• 了解字节跳动剪映CapCut的产品方向，思考如何将算法能力与创作场景结合
• 准备一个高质量的项目案例，展示从问题定义到落地的完整过程
• 突出大模型相关项目经验，尤其是数据建设、模型训练或优化方向
• 强调编程能力和工程实现细节，如使用Python/C++开发的模块
• 展示NLP、CV、多模态等领域的成果，如论文、开源贡献或竞赛成绩
• 提及创作类项目经历（如文案生成、视频编辑）加分
• 深入理解Transformer、Diffusion等架构原理，动手复现经典模型
• 积累数据清洗、合成、对齐的实战经验，了解常见数据策略

面试指南

• 用STAR法则描述项目：情境、任务、行动、结果，突出你的贡献和数据策略
• 技术问题从原理到应用逐步展开，结合具体例子说明你的理解深度
• 场景问题先分析用户需求，再提出技术方案，最后预估效果和迭代方向
• 请介绍一个你参与的大模型项目，包括数据建设、模型选择和效果评估
• 如何设计一个数据合成方案来提升多模态模型的生成质量？
• 谈谈你对Transformer和Diffusion模型的理解及各自的优缺点
• 在数据驱动优化中，如何平衡数据质量与数量？
• 你对视频/图片创作场景有哪些技术想法？