【快Star】Agent智能创作算法研究员

优缺点分析

角色解读

• 在快手这样的平台，可以接触到业界最前沿的多模态技术，快速成长为算法专家
• 未来可以向技术Leader方向发展，带领团队推进关键技术突破
• 也可以深耕多模态领域，成为AIGC方向的顶尖研究员
• 深度优化多模态大模型的Caption、表征、改写等核心能力，提升模型质量
• 参与模型训练与调优，在AIGC技术指标上对标并超越GPT-4o等闭源模型
• 将研究成果落地到快手各业务线，推动实际应用
• 扎实的LLM和VLM大模型训练经验，熟悉模型架构和调优方法
• 较强的代码动手能力，熟练使用Python和主流深度学习框架
• 良好的沟通协作能力，能与团队紧密配合

申请策略

• 准备一个高质量的多模态项目案例，能详细讲清技术难点和解决方案
• 关注快手技术动态，面试中展示对AIGC趋势的深入理解
• 突出大模型训练相关项目经验，尤其是LLM/VLM的实操经历
• 强调竞赛获奖（如ACM/ICPC、Kaggle）或论文发表，这些都是加分项
• 展示代码能力，比如GitHub开源项目或高质量的代码仓库
• 熟悉主流多模态模型（如CLIP、BLIP、LLaVA）的实现和调优
• 补充大模型分布式训练和推理优化知识（如DeepSpeed、Megatron）
• 多阅读快手等大厂的技术博客，了解业务场景

面试指南

• 项目类问题：用STAR法则（情境-任务-行动-结果）清晰阐述，重点突出个人贡献和技术创新
• 技术类问题：先阐述原理，再结合实际经验说明优化思路，最后提出自己的见解
• 开放类问题：展现对行业的了解，提出有逻辑的假设和验证方案，体现思考深度
• 请详细描述你参与过的一个多模态大模型训练项目，包括数据、模型结构、训练策略和最终效果
• 如何优化多模态模型的Caption生成质量？有哪些评估指标？
• 在训练大规模模型时，你遇到过的显存或计算瓶颈是什么？如何解决的？
• 你如何看待快手AIGC业务与GPT-4o、Gemini的差距？有哪些可能的改进方向？
• 请手写一个简单的Transformer块或自注意力机制的代码