AI算法工程师（Agent Model Post-Training）-即梦

优缺点分析

角色解读

• 可成长为AI算法专家，在大模型后训练和Agent领域深耕
• 有机会向技术团队Leader发展，带领项目方向
• 也可转向产品化或研究导向，参与更前沿的AI技术探索
• 负责即梦创作Agent模型的后训练，提升模型在创作理解、任务规划、工具调用和多轮交互中的表现
• 构建Agent SFT数据、多轮Function Call数据、工具轨迹数据和创作任务偏好数据
• 探索Agentic RL、Rubrics-based RL等方法，提升Agent长链路任务成功率
• 与Harness、评估、数据和产品团队协作，形成持续迭代闭环
• 扎实的机器学习、深度学习和概率统计基础
• 熟悉大模型后训练方法，如SFT、RLHF、DPO、PPO、GRPO等
• 熟练掌握PyTorch等深度学习框架，具备模型训练和数据处理经验
• 对Agentic RL、Tool Use、多轮Function Call、多模态模型训练有浓厚兴趣

申请策略

• 了解字节跳动即梦产品的业务场景，思考Agent模型如何提升用户体验
• 在简历中量化成果，如提升模型准确率或任务成功率的具体数值
• 重点突出大模型后训练相关项目经验，如SFT、RLHF的应用案例
• 展示在PyTorch框架下进行模型训练、数据 pipeline 和调优的具体成果
• 如果有Agent、Tool Use或多模态相关研究或实践，务必强调
• 补充强化学习理论知识，特别是PPO、GRPO等算法
• 熟悉多模态模型（如CLIP、BLIP）和工具调用（Function Call）的实现

面试指南

• 先阐述核心原理，再结合具体项目经验，最后提出优化思路
• 对于方法对比题，列出关键差异（如训练稳定性、样本效率等），给出选择依据
• 遇到开放性问题时，结构化回答：问题定义、可能方案、评估指标、迭代计划
• 请详细解释RLHF的训练流程及其在LLM中的应用
• 如何设计一个Agent多轮交互的SFT数据集？
• 对比DPO和PPO的优缺点，并说明在什么场景下使用
• 如果Agent在工具调用中失败率很高，你会如何优化？
• 请描述一次你通过实验设计解决模型训练问题的经验