大模型算法工程师-剪映CapCut（北京/上海/杭州/深圳）

优缺点分析

角色解读

• 在技术深度上，可从算法工程师成长为多模态领域的专家，主导核心模型的设计与创新
• 在业务影响力上，可转向技术负责人或架构师，推动AI创作平台的整体演进
• 也可向产品方向延伸，结合用户需求定义下一代创作工具的功能
• 负责视频/图片创作Agent的核心研发，包括高质量数据建设（数据挖掘、清洗、合成）和创意库构建
• 训练和优化多模态大模型，提升模型在理解、生成、编辑和控制方面的能力
• 建立数据质量评估体系和模态对齐机制，探索数据与模型的共进化策略，并将技术方案落地到实际业务中
• 扎实的编程能力，熟练掌握Python或C++，有良好的工程实践习惯
• 深入理解NLP、CV、ML、RL等技术，熟悉大模型相关技术栈如Transformer、Diffusion、SFT、RLHF
• 优秀的问题建模与分析能力，对数据驱动方法有热情，关注技术落地效果

申请策略

• 提前了解剪映CapCut的产品特点和AI创作趋势，在面试中展现对业务的理解
• 准备一个完整的技术项目介绍，涵盖问题定义、方案设计、实验对比和落地效果
• 突出大模型或多模态相关的项目经验，包括模型训练、数据建设、效果优化等
• 展示编程能力和工程实现细节，如使用深度学习框架的具体案例
• 如果有视频/图片生成相关成果（如论文、开源项目、竞赛获奖），务必重点呈现
• 补充多模态大模型（如CLIP、BLIP、Stable Diffusion）的实践经验
• 熟悉数据合成、数据增强等数据建设方法，了解RLHF和偏好优化
• 学习Agent相关技术（如ReAct、Tool-using LLM）以匹配岗位要求

面试指南

• STAR法则：描述情境、任务、行动和结果，突出你的贡献和量化效果
• 先解释核心原理，再结合你的实践经验，最后延伸到对业务的影响
• 遇到挑战时，展示分析问题的思路和多种方案的权衡
• 请详细介绍一个你参与的大模型或多模态项目，包括模型架构、数据来源和效果提升
• 如何设计数据清洗和合成策略以提升大模型的生成质量？
• 谈谈你对Transformer和Diffusion模型的理解，它们在视频生成中如何配合？
• 如何评估多模态大模型的综合能力？请设计一套评估指标
• 你在项目中遇到的挑战是什么？如何解决？