大模型算法工程师（内容创作）-剪映CapCut（北京/深圳/广州）

优缺点分析

角色解读

• 技术深耕：从算法工程师成长为领域专家，主导核心模型架构设计
• 管理路线：可向技术Leader发展，带领团队攻克难题
• 业务拓展：深入内容创作场景，转型为AI产品专家或技术总监
• 设计和优化大模型预训练体系，提升内容理解与生成能力
• 搭建并迭代垂直场景的评测基准（Benchmark），量化模型效果
• 构建多模态数据体系与模态对齐机制，推动数据与模型共进化
• 将创新技术落地到剪映业务，赋能视频/图片创作
• 精通Python/C++编程，具备扎实的工程实现能力
• 深入理解Transformer、Diffusion、SFT、RLHF等大模型技术
• 熟悉NLP、CV、ML、RL等基础领域，能进行问题建模与数据分析
• 良好的沟通协作与自驱力，能快速探索新技术并推动落地

申请策略

• 了解剪映产品功能，思考AI如何提升创作效率
• 关注字节跳动技术博客，熟悉公司技术文化
• 突出大模型训练或应用项目经验，如SFT、RLHF实践
• 展示编程能力，附上GitHub链接或代表性代码仓库
• 强调多模态、生成式模型相关成果，如论文、开源贡献等
• 体现数据驱动思维，描述如何通过数据改进模型效果
• 补充视频/图片生成领域知识，如Stable Diffusion、VideoLDM等
• 深入理解大模型训练框架，如DeepSpeed、Megatron-LM

面试指南

• 结构化：背景→方案→结果→反思，突出关键决策和量化指标
• 技术深度：先讲原理再讲实践，展示对细节的理解
• 业务导向：始终联系剪映场景，强调技术如何解决实际创作问题
• 请介绍一个你训练大模型的项目，包括数据、模型架构和优化过程
• 如何评估多模态生成模型的效果？设计一个Benchmark
• Transformer在训练和推理时有哪些常见优化技巧？
• RLHF的原理是什么？如何应用到内容生成场景？
• 如何解决大模型训练中的数据不平衡问题？