字节跳动
校招大模型算法工程师 - 剪映CapCut
深圳/北京/广州 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 2027届获得硕士及以上学位，人工智能、计算机科学、数学等相关专业优先
- 具备出色的编程能力，熟练掌握Python/C++，熟悉PyTorch、VeRL、Llama-Factory等框架；熟悉大模型SFT、RL、模型蒸馏、奖励建模、数据合成与模型评测中的一项或多项
- 熟悉Agent技术栈，在任务规划、工具调用、多轮对话、RAG、内容生成、Skills、Memory等方向有相关实践经验者优先
- 对大模型、Agent与内容创作有强烈的好奇心，具备良好的研究能力、产品意识和效果判断能力，能够将前沿技术与实际业务场景结合并推动落地
- 在ICML、NeurIPS、ACL、CVPR、SIGIR、KDD、ICCV等会议发表过大模型、多模态、AIGC、推荐系统或计算广告相关论文，获得ACM/ICPC、NOI/IOI、Topcoder、Kaggle等比赛奖项，或熟悉视频剪辑、影视叙事、短剧创作、UGC内容及营销创意，对全球化、多语言及跨文化内容生成有相关经验者优先。
岗位描述
团队介绍：剪映研发团队，主要支持剪映、CapCut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。
- 1、负责剪映系大模型与Agent的训练及能力建设，覆盖通用视频创作Agent、剪辑Agent、短剧Agent、营销Agent、UGC视频Agent等方向，协同打造专业影视创作工具与AI原生产品；
- 2、深耕大模型后训练技术，研究高质量数据挖掘与合成、SFT、AgenticSFT/RL、奖励模型、强化学习算法、OPD蒸馏合版及多目标对齐等技术，持续提升模型的指令遵循、创作质量与复杂任务完成能力；
- 3、与产品、研发团队协同优化Agent Harness，通过Skills、Memory、RAG、个性化及工具编排等机制，以及Agent自进化，提升Agent在多轮交互和长流程创作任务中的可控性、稳定性与用户体验。
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。