今日头条
多模态算法工程师-今日头条安全
多模态算法工程师-今日头条安全
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Cv
Mllm
Post-Train
Pre-Train
Rag
Vlm
内容安全
多模态算法
大模型
值不值得投
76综合评分
综合评分 76
多模态大模型核心算法岗，技术前沿且成长空间大，业务社会价值显著，薪资与WLB信息未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
市场机会
选择适中
深圳 · 计算机视觉工程 · 40 个在招
职位详情
关于这个职位
该职位主要负责今日头条系产品的内容安全算法研发，涉及视频、图文等多模态内容
你需要利用大模型技术优化内容安全机审系统，提升风险感知与应急处置能力，保障平台内容生态安全
最低要求
具有扎实的人工智能方面的基础知识，对CV、VLM、MLLM等技术有深入的理解，数学功底扎实，学习能力强
有扎实的编码能力，熟悉深度学习训练框架、工程框架等
具有独立的分析问题和解决问题的能力，对解决具有挑战性问题充满激情，对技术有热情，追求极致，自驱力强，有良好的团队合作意识、沟通表达能力
工作职责
负责今日头条系产品中视频、图文、微头条、评论、账号等不同体裁的内容安全算法工作
针对Multimodal、Long-Context等内容特点，从Pre-Train、Post-Train（SFT、RL）等方面优化，增强模型的感知和推理能力
同时探索围绕大模型相关的应用技术能力，如Auto-Prompt Engineering、Embedding、Incontext Learning、RAG等
研发基于大模型驱动的内容安全机审系统，优化内容安全业务流程和效率
研发内容风险感知和应急系统，优化内容安全业务的保障和处置能力
优先资格
在CV、VLM、MLLM领域有成熟的项目落地经验，在短视频、图文、直播算法领域有经验者优先
在计算机科学高水平会议和期刊如NIPS、ICML、CVPR、ICCV、ECCV、IJCAI、AAAI、KDD、SIGIR、WWW、ACL、PAMI、IJCV等论文发表或有竞赛经验者优先
AI 洞察
优缺点分析
优点
- 依托今日头条海量数据与丰富场景，能接触到业界最前沿的多模态大模型落地实践
- 内容安全是平台核心业务，技术成果能直接产生巨大的业务价值与社会价值
- 技术氛围浓厚，有机会与顶尖算法人才共事，提升技术视野
- 多模态大模型技术迭代极快，需要持续保持高强度的学习与跟进
- 内容安全业务对准确率和召回率要求极高，且面临复杂的对抗环境，模型优化难度大
缺点 / 挑战
- 适合具备扎实多模态算法基础、对大模型技术有热情，且希望在海量数据场景下挑战复杂工程与算法问题的技术人才
角色解读
- 纵向可深耕多模态大模型算法，成为内容安全或视觉理解领域的算法专家
- 横向可拓展至大模型应用架构设计，或带领团队负责核心安全业务的技术演进
- 负责今日头条系产品（视频、图文、评论等）的多模态内容安全算法研发
- 利用大模型技术（如VLM、MLLM）进行Pre-Train和Post-Train优化，提升模型感知与推理能力
- 研发基于大模型的内容安全机审系统及风险感知应急系统，保障业务安全
- 扎实的AI基础与数学功底，深入理解CV、VLM、MLLM等多模态技术
- 熟练掌握深度学习训练与工程框架，具备优秀的编码能力
- 具备大模型应用技术（如RAG、Prompt Engineering、In-context Learning）的实践经验
申请策略
- 提前了解今日头条内容安全业务面临的痛点（如长文本理解、复杂视频违规检测），思考大模型的解决方案
- 重点突出在CV、VLM、MLLM领域的项目落地经验，特别是短视频、图文等场景的应用
- 详细列出在顶级会议（如CVPR、ICCV、ACL等）发表的论文或知名竞赛的获奖经历
- 展示在大模型微调（SFT、RL）、RAG、Prompt Engineering等方面的具体技术贡献与业务收益
- 深入学习多模态大模型的最新架构与训练范式（如RLHF、DPO等）
- 熟悉主流深度学习框架的底层原理及分布式训练优化技巧
面试指南
- STAR法则：情境-任务-行动-结果，重点突出技术选型的思考过程和最终的业务指标提升
- 结构化表达：从数据、模型、工程三个维度拆解问题，展现系统性思维
- 请介绍一个你主导的多模态大模型项目，遇到了哪些挑战，是如何解决的？
- 在VLM/MLLM的Pre-Train和Post-Train阶段，你通常如何优化模型的感知和推理能力？
- 针对长上下文（Long-Context）内容，如何设计算法来提升内容安全审核的效率和准确率？
- 请谈谈RAG或In-context Learning在内容安全场景下的应用思路与局限性
- 复习多模态大模型的核心论文（如LLaVA、Qwen-VL等），理解其架构与训练细节
- 准备1-2个具有技术深度的项目案例，能够清晰阐述算法原理、工程实现与业务收益
职位点评
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
JD未披露具体薪资与福利信息，但多模态大模型算法岗技术门槛高，市场定价通常处于高位。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位涉及最前沿的多模态大模型技术，且依托海量业务场景，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Multimodal、VLM、MLLM、Pre-Train、Post-Train、SFT、RL、RAG、Auto-Prompt Engineering
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，无法判断具体工作节奏与办公灵活性。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
内容安全业务具有显著的社会价值，能够维护清朗的网络环境，且积极采用大模型等新技术。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs