大模型算法工程师（文生视频）-剪映CapCut

优缺点分析

角色解读

• 技术方向：从算法工程师成长为多模态领域的专家或技术负责人
• 管理方向：可向技术团队主管或项目经理发展
• 业务方向：深入产品化，成为技术产品化专家
• 研发视频/图片创作Agent，结合大模型实现智能生成与编辑
• 探索多模态大模型的Post-Training算法，提升感知和理解能力
• 利用强化学习（RL）和LongCOT进行Agent自主探索学习
• 将技术转化为产品，服务千万级别的创作者
• 精通计算机视觉，尤其是多模态生成（文本/图像/视频/3D）
• 熟悉扩散模型、GAN、Transformer等生成模型和LLM
• 具备强化学习或RLHF经验，能结合大模型落地
• 熟练C/C++和Python，有大模型训练或AIGC项目经验

申请策略

• 深入了解剪映CapCut的产品方向和用户需求，在面试中体现对创作者生态的理解
• 准备一个完整的端到端项目案例，展示从数据到模型到产品的闭环能力
• 突出多模态生成或扩散模型的项目经验，最好有视频/图片创作相关
• 强调强化学习或RLHF的落地经验，尤其是与LLM结合
• 展示大规模训练经验，如分布式训练、数据构建等
• 提供GitHub或论文等证明技术能力的作品/成果
• 补充强化学习在AIGC中的应用知识，如RLHF、DPO等
• 熟悉LongCOT和Agent相关技术，积累自主探索学习经验

面试指南

• 用STAR法则（情境-任务-行动-结果）回答项目经历，突出技术创新和量化成果
• 先阐述理论基础，再结合具体实践，最后提出优化方向或改进思路
• 展现系统性思维，从数据、模型、工程、产品多个维度分析问题
• 请详细描述你参与的一个多模态生成项目，包括模型架构、数据处理和效果评估
• 如何将强化学习应用于大模型训练？请举例说明
• 谈一谈你对扩散模型的理解，以及如何改进视频生成的质量？
• 如果让你设计一个Agent自动创作营销视频，你会如何设计技术方案？
• 在多模态大模型Post-Training中，你认为最大的挑战是什么？