Agent专家工程师-即梦AI（深圳/广州/北京）

优缺点分析

角色解读

• 向AI Agent架构师或技术专家方向发展，主导核心算法研发与系统设计
• 可横向拓展至多模态AI、通用智能体等领域，参与更前沿的研究项目
• 在字节跳动内部，有机会晋升为技术Leader或跨团队的技术负责人
• 负责构建并优化AI Agent在视频/图片创作中的能力，包括评测体系、模型训练与链路设计
• 通过Prompt工程、SFT、RLHF等技术手段持续提升Agent的性能上限
• 参与从数据采集、模型训练到业务落地的全流程，将前沿算法转化为实际产品功能
• 扎实的工程能力，熟悉大模型训练与优化，具备从0到1构建AI Agent的经验
• 深入理解LLM/VLM的Post-Training技术，包括SFT、RLHF等微调方法
• 熟悉Prompt/Context Engineering，能够设计高效的指令引导Agent行为

申请策略

• 提前了解即梦AI的产品方向和技术栈，在面试中展现对创作场景的深刻理解
• 准备一些关于Agent评测体系设计的思考，体现系统化解决问题的能力
• 重点突出从0到1搭建AI Agent的项目经历，包括系统架构、技术选型与优化效果
• 详细描述大模型Post-Training的实践经验，如SFT、RLHF的数据构建与调参细节
• 展示在视频/图片生成领域的相关成果，如论文、开源项目或产品落地案例
• 如果缺少Agent经验，可以尝试在开源框架（如LangChain、AutoGPT）上实践小项目
• 补充多模态大模型（如CLIP、Stable Diffusion）的原理和应用知识

面试指南

• 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果）清晰阐述
• 对于技术方案类问题，先定义问题边界，再给出多方案对比，最后推荐最优解
• 对于开放性问题，结合具体业务场景，展示你的工程思维和创新意识
• 请分享你从0到1搭建AI Agent的完整经历，遇到的最大挑战是什么？
• 如何设计一个有效的Agent评测体系？评估哪些维度？
• RLHF在Agent应用中如何实施？数据如何收集？
• 如何通过Prompt Engineering提升Agent在视频生成任务中的效果？
• 对于LLM/VLM的Post-Training，你有哪些实践经验？