字节跳动
校招大模型算法工程师（Agent Harness方向） - 剪映CapCut
北京/深圳/上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、数学、统计等相关专业
- 熟悉大模型Agent、Tool Use、Function Call、多轮对话、任务规划、工作流编排中的一种或多种技术
- 具备良好的算法实验能力和问题抽象能力，能够从复杂创作场景中提炼可优化的技术问题
- 熟悉Python，具备良好的实验实现、数据分析和效果评估能力
- 对LLM/VLM、多模态生成、AIGC创作产品或Agentic产品有浓厚兴趣
- 主动积极，有创业精神，具备良好的沟通协作能力和问题解决能力。
岗位描述
团队介绍：剪映CapCut团队成立七年，先后孵化了剪映、CapCut、醒图、Hypic、即梦、Dreamina、Pippit等产品，覆盖视频、图片、Al生成、视频营销等多领域，打造与AI结合的全球化产品矩阵。
我们的愿景是：激发想象力，成为全球领先的互动内容平台，创造独特的体验和价值。
我们期待你的加入，一同极致打磨用户体验,构建创意生态和商业化能力，定义AI与创作结合的无限可能，让内容互动更简单、更精彩!
- 1、面向即梦Dreamina创作Agent，负责Agent Harness的系统优化能力建设，提升Agent在线执行效率、稳定性和成本效率；
- 2、围绕多轮Agent调用链路，优化LLM请求组织、上下文复用、Prompt Cache、Token使用效率和长上下文性能；
- 3、负责TTFT、吞吐、TPM、延迟、成本等指标分析，建立Agent链路性能诊断和优化机制；
- 4、探索模型路由策略，根据任务类型、上下文长度、延迟要求、成本约束和效果目标，动态选择合适模型与调用方式；
- 5、参与LLM serving、模型部署、推理服务管理和调用链路优化，提升多模型、多工具Agent系统的整体稳定性；建设Agent运行日志、链路追踪、性能监控和问题归因能力，支持线上快速定位和持续优化，与算法、模型、工程和产品团队协作，将Agent系统优化能力落地到即梦真实创作链路。
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。