字节跳动
实习素材IE实习生（AI素材生产方向）-剪映数据与智能团队
深圳 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，数字媒体技术、视觉传达设计、计算机相关专业优先
- 工具技能：
- 1）掌握PS、AE基础操作，了解AI工具的PE描述词基本使用
- 2）有图形学基础、了解渲染基础知识，了解OpenGL更佳
- 3）了解业界最新各种大模型之间差异、特点，以及单个大模型最擅长领域
- 4）了解PE（流程卓越）基础理念，能协助梳理工作流程、统计效率数据，有参与流程优化项目或撰写流程文档经验者优先
- 熟悉JS或者Lua加分，熟悉图形学基础加分
- 每周出勤至少4天，可实习4个月以上；对AIGC在素材生产领域的应用有浓厚兴趣。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：剪映数据与智能团队旨在通过 AI 技术赋能剪映系产品，构建强大的算法能力壁垒。作为剪映系内的算法团队，负责推动整个业务在算法上的迭代与创新，为剪映、CapCut、即梦dreamina、Pippit、醒图等产品提供智能化支持。
- 1、负责剪映核心特效开发，涵盖互动特效、2D场景特效、美颜美型、虚拟道具、礼物触发特效等多元形态，保障特效在全机型的流畅运行与优质呈现；
- 2、借助PS/AE工具对动态特效进行修改，包括调整动画节奏、更改特效样式、优化动态过渡效果等，提升动态特效的表现力；
- 3、熟悉常用AI工具中PE描述词扩写，主导使用自研AI工具完成剪映等产品的素材生产工作；
- 4、借助AI+（如PS、AE）优化素材处理流程，保障AI生成素材的质量与风格符合产品标准；
- 5、配合团队进行AI素材分类与标签体系优化，结合AI生成素材的特性（如生成模型类型、提示词关键词），完善标签规则，提升AI素材检索精准度。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。