字节跳动
强化学习算法工程师-剪映CapCut
强化学习算法工程师-剪映CapCut
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Rlhf
Sft
Vlm
大模型
强化学习
数据挖掘
值不值得投
77综合评分
综合评分 77
字节核心业务线的大模型前沿技术岗，技术成长空间极大，薪资竞争力强，但工作节奏可能较快。
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
6万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
85 个在招
市场机会
选择面较广
北京 · 机器学习工程 · 约 460 个在招
职位详情
关于这个职位
该职位主要负责剪映CapCut视频创作Agent的研发，涉及大模型对齐、Agent端到端训练及强化学习算法研究
你需要进行高质量数据挖掘、设计评测与Reward方案，并将LLM/VLM前沿技术落地于实际视频创作业务中
最低要求
优秀的代码能力、数据结构和基础算法功底，熟练掌握至少一门语言
深入理解大模型或图片视频生成等相关技术栈（如RLHF、SFT、Dit/Vit/Transformer、Stable Diffusion等），对强化学习（RL）在上述技术栈中的应用机制和潜力有清晰认知，可灵活运用RL优化相关流程
出色的问题分析和解决能力，有自主探索解决方案的能力
良好的沟通协作能力，能和团队一起探索新技术，推动技术进步
工作职责
负责视频创作Agent相关的研发与应用，研究大模型的对齐方法、Agent的设计&端到端训练（Agentic RL）等，跟进LLM、Agent的最新进展
研究LLM/VLM Agent训练算法，尤其是强化学习（RL）的各类算法
高质量数据的挖掘和清洗，研究探索数据自动、半自动合成方案，设计视频创作Agent的评测方法，设计置信的RL Reward方案
持续跟踪LLM/VLM、Agent领域的最新技术动态，并将其应用于实际业务场景中，推动技术落地
优先资格
ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先
在大模型领域，主导过有影响力的项目或论文者优先
在NeurIPS/ICML/ICLR/ACL/EMNLP等顶会发表论文者优先
有大模型训练经验，有文案生成、创意生成、素材编辑、AI特效等有相关经验，有Agent、Tool-Use、MCP等相关经验优先
AI 洞察
优缺点分析
优点
- 依托剪映庞大的用户基数和丰富的视频创作场景，技术落地反馈快、业务价值高
- 处于大模型与Agent技术的最前沿，能接触到业界顶级的算力资源与数据规模
- 团队技术氛围浓厚，有机会与顶尖AI人才共事，共同探索技术边界
- 大模型与强化学习领域技术迭代极快，需要持续保持高强度的学习与研究状态
- 适合对大模型、强化学习有浓厚兴趣，具备扎实算法功底且渴望在AI内容创作领域打造爆款产品的顶尖技术人才
缺点 / 挑战
- 端到端训练与Reward设计难度大，面临较高的技术探索不确定性与工程挑战
角色解读
- 可向大模型与Agent方向的资深算法专家发展，成为技术领域的领军人物
- 或转型为AI技术团队负责人，引领下一代视频创作AI技术的演进与业务落地
- 负责剪映视频创作Agent的研发，设计并训练大模型对齐与端到端Agent算法
- 研究并应用强化学习（RL）优化LLM/VLM在视频创作场景中的表现
- 进行高质量数据挖掘、合成及评测方案设计，推动前沿AI技术在实际业务中的落地
- 扎实的代码与算法基础，深入理解大模型、图像视频生成及强化学习技术栈
- 具备大模型训练经验，熟悉Agent、Tool-Use等前沿技术
- 有顶会论文或知名竞赛获奖经历者极具优势，具备出色的问题分析与解决能力
申请策略
- 提前深度体验剪映/CapCut的AI功能，思考现有Agent在视频创作中的痛点及优化方案，面试时提出建设性意见
- 重点突出在大模型、强化学习或Agent方向的项目经验与落地成果
- 展示顶会论文、知名算法竞赛（如ACM/Kaggle）获奖经历或高质量开源项目贡献
- 强调在复杂数据处理、Reward设计或模型对齐方面的创新思考与实践经验
- 深入学习Agentic RL、RLHF等前沿对齐技术，熟悉视频/图像生成模型的底层原理
- 关注LLM/VLM Agent的最新研究进展，尝试复现相关论文或构建小型Agent原型
面试指南
- 采用STAR法则，重点突出在复杂算法设计中的思考过程、数据处理的创新方法以及最终带来的业务指标提升
- 对于Reward设计问题，可从多维度（如规则奖励、模型奖励）和人类偏好对齐的角度展开，强调方案的鲁棒性与置信度
- 请详细介绍你在大模型强化学习（RLHF/Agentic RL）方面的项目经验及遇到的难点？
- 如何设计视频创作Agent的评测方法和置信的RL Reward方案？
- 在LLM/VLM Agent训练中，如何解决数据自动/半自动合成的质量问题？
- 请分享一个你主导过的有影响力的大模型项目，你在其中解决了什么核心问题？
- 复习强化学习基础及最新的大模型对齐论文（如PPO、DPO等），了解剪映现有的AI功能及背后的技术逻辑
- 准备好自己过往项目的详细技术细节，以应对深度的技术拷问，并思考技术方案的优化空间
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
该岗位属于核心研发算法岗，结合北京地区市场行情，薪资具备较强竞争力，但JD中未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：4千–8万/月）
成长发展
95较高
岗位处于大模型与Agent技术的最前沿，能接触到核心业务场景与顶尖技术资源，个人技术成长空间极大。
技术前沿前沿/新兴技术
技术栈强化学习、大模型、Agent、LLM、VLM、RLHF、SFT、Transformer
成长机会探索新技术、推动技术进步
业务类型ambiguous
工作生活
40较低
JD未提及工作模式与WLB相关信息，作为核心研发岗且技术迭代快，工作强度可能较大，生活平衡度有限。
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
80较高
剪映是国民级视频创作工具，其AI技术落地能直接提升亿级用户的创作体验，具有较高的社会价值与行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs