字节跳动
模型工程技术专家（AI Infra）-剪映Capcut
模型工程技术专家（AI Infra）-剪映Capcut
发布于 大约 9 小时前普通员工/个人贡献者
深圳市
专家级经验
全职员工
仅现场办公
学历未注明
PyTorch
强化学习
GPU优化
CUDA
知识蒸馏
SGLang
vLLM
Moe架构
大模型部署
AI 估算 · 40k–70k
大模型方向热门，技术难度高，市场竞争激烈，字节跳动薪资水准较高。
职位详情
关于这个职位
该职位负责将各类大模型高效部署至生产环境，优化推理性能，并构建强化学习与微调工程链路
适合具有深厚机器学习工程经验、热爱前沿技术挑战的专家
最低要求
扎实的机器技术基础，了解前沿的AI技术，有不错的工程实践经验
具备5年以上机器学习系统工程经验，其中至少2年专注于大模型相关方向
精通Python，熟练掌握PyTorch深度学习框架，并具备优秀的C++/Linux开发和调试能力
拥有从零构建或深度改造大规模模型训练/推理管线的成功经验
具备丰富的GPU集群性能调优与问题诊断经验，熟悉CUDA编程、算子优化及主流推理加速框架（如vLLM，SGlang），能够独立解决内存、通信与计算瓶颈
工作职责
负责将各类大模型（包括MoE架构、多模态模型及未来超大规模模型）高效部署至生产环境，持续跟踪并集成如vLLM、SGLang、xLLM等先进推理框架，保障新模型能够快速、高性能上线
深入数据工程与模型蒸馏领域，通过数据合成、特征工程及知识蒸馏（如软标签蒸馏、特征蒸馏）等技术方案，系统性提升数据利用效率、降低模型部署成本，并验证其在业务中的可行路径
探索并应用创作者Agent等前沿方向，将其能力赋能于训练样本自动合成、Train-Free冷启动及自动化评测等场景，革新传统数据与评估工作流
对业务模型进行深度的推理性能优化，包括但不限于动态批处理、量化压缩、注意力机制优化等，持续降低服务延迟与资源消耗，并积累超大规模（如万亿参数）模型的部署经验与技术储备
负责构建和优化大规模模型的强化学习（RL）、监督微调（SFT）及端到端训练的完整工程链路
提升训练流程的稳定性与吞吐量，并设计和复用离线验证与评测链路，为算法团队提供高效的迭代与效果评估环境
优先资格
）具备强烈的技术好奇心和自我驱动力，能主动跟踪领域前沿，并将论文、开源项目中的创新点转化为可行的工程方案
）深刻理解分布式训练（如DeepSpeed、Megatron-LM）、模型并行、流水线并行及各种微调技术（全参数、LoRA、QLoRA）的原理与实践
AI 洞察
优缺点分析
优点
- 前沿技术栈，接触最新大模型部署与优化技术
- 字节跳动平台，资源丰富，项目影响力大
- 高薪酬与福利，职业发展空间广阔
- 技术复杂度高，需要持续学习与攻坚
- 工作强度较大，可能面临加班
- 竞争激烈，需要不断产出成果
缺点 / 挑战
- 适合有深厚工程背景、热爱技术挑战、追求快速成长的资深工程师
角色解读
- 成长为AI Infra领域的资深专家，主导技术方向
- 有机会转向管理岗位，带领工程团队
- 可向算法研究或系统架构方向拓展
- 负责将各类大模型高效部署至生产环境，集成并优化推理框架
- 深入数据工程与模型蒸馏，提升数据利用效率、降低部署成本
- 探索创作者Agent等前沿方向，革新数据与评估工作流
- 构建和优化大规模模型的强化学习、微调等训练工程链路
- 精通Python、PyTorch，具备优秀的C++/Linux开发能力
- 丰富的GPU集群性能调优经验，熟悉CUDA编程与推理加速框架
- 扎实的机器学习基础，了解分布式训练与模型并行技术
- 对前沿大模型技术保持关注，具备工程落地能力
申请策略
- 在简历中量化项目成果（延迟降低、吞吐提升等），展现技术深度
- 准备一个关于大模型部署中解决性能瓶颈的案例，展示问题分析与解决能力
- 突出大模型部署、推理优化、训练链路构建的具体项目经验
- 展示GPU性能调优、分布式训练的成功案例
- 列出对vLLM、DeepSpeed等框架的贡献或深度使用经历
- 熟悉主流推理框架源码，如vLLM、SGLang
- 学习CUDA编程与算子优化，提升底层调优能力
- 了解MoE、多模态等最新模型架构
面试指南
- 采用STAR法则：情境、任务、行动、结果，强调技术难点与创新点
- 分析问题原因（内存、计算、通信），提出针对性优化方案，并量化效果
- 结合具体框架或算法，展示对底层原理的理解
- 如何优化大模型推理时的显存占用和延迟？
- 请描述一次你从零搭建分布式训练管线的经历及遇到的挑战
- vLLM等推理框架的核心原理是什么？如何选择和使用？
- 在GPU集群中，如何诊断并解决通信瓶颈？
- 你对知识蒸馏在模型部署中的应用有何理解？
匹配度报告
74
综合匹配度
高薪前沿技术岗，技术成长极快，但工作强度大，WLB一般。
适合人群
重视技术成长与高薪酬，对工作生活平衡要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值70
薪资福利匹配
85较高
字节跳动薪资水平领先，且大模型方向稀缺度高，补偿性回报丰厚。
薪资信号未披露（AI估算：40K-70K/月）
成长发展匹配
90较高
岗位贴近AI前沿技术栈，涉及推理、训练、优化等多个高成长领域，发展空间极大。
技术前沿前沿/新兴技术
技术栈vLLM、SGLang、PyTorch、CUDA、DeepSpeed、Megatron-LM、MoE
业务类型ambiguous
工作生活匹配
50较低
工作地点在科技园，未提及弹性办公，互联网大厂通常加班较多，WLB一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
剪映Capcut服务于视频创作生态，具有一定社会价值，但岗位本身偏技术支撑。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs