豆包大模型算法工程师（互动娱乐）-火山方舟

优缺点分析

角色解读

• 在大模型和RL领域深耕，成为技术专家，主导核心算法的研发与创新
• 向技术管理方向发展，带领团队负责互动娱乐场景的算法落地与迭代
• 跨领域拓展，结合语音、Agent等方向，成长为多模态智能体领域的领军人才
• 负责优化角色扮演大模型（Character-LLM），通过数据合成、筛选和Post-Training提升模型在互动娱乐场景的表现
• 设计和训练游戏Agent和CodeAgent，包括环境构建、奖励函数设计，并确保强化学习训练的正确性
• 提升语音S2S模型的基础能力，支持FC、RAG等场景，同时增强角色扮演与真人对话的拟人化效果
• 扎实的强化学习基础，熟悉GRPO、PPO等主流算法，能独立分析并改进RL训练流程
• 优秀的编程能力，熟练使用C/C++或Python，具备良好的数据结构和算法功底
• 对大模型技术有深入理解，包括预训练、微调、Post-Training等，有实际项目经验

申请策略

• 在简历中清晰描述你在RL和大模型项目中的具体贡献，最好量化效果
• 提前了解字节跳动火山方舟的业务方向，思考如何将你的经验与互动娱乐场景结合
• 重点突出RL相关项目经验，尤其是GRPO、PPO等算法的实际应用和优化案例
• 展示大模型相关的研究成果或工程落地经历，包括数据处理、模型训练、评估等环节
• 如有顶级会议论文或编程竞赛获奖，务必放在显眼位置
• 系统学习RL算法原理，动手复现经典论文，如PPO、DQN等
• 熟悉大模型Post-Training流程，了解SFT、RLHF等常用方法
• 补充语音相关基础知识，了解S2S模型架构和评估方法

面试指南

• 对于RL算法问题，先阐述原理，再结合项目实际说明应用场景和优化动机
• 对于开放性问题，采用“问题-方案-效果”的结构，量化结果
• 对于评估类问题，从多个维度（准确性、多样性、拟人化等）展开，并引用业界常见方法
• 请详细解释GRPO和PPO的区别，以及你在项目中是如何选择和改进的？
• 描述一次你在大模型Post-Training中遇到的数据问题，你是如何分析和处理的？
• 如何评判一个角色扮演大模型的好坏？你会设计哪些评估指标？
• 如果你要训练一个游戏Agent，你会如何设计奖励函数？可能会遇到哪些挑战？
• 复习强化学习经典算法，重点掌握GRPO、PPO的推导和实现细节