字节跳动
校招大模型算法工程师（Model Post-Training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
- 熟悉大模型后训练方法，包括但不限于SFT、RLHF、DPO、PPO、GRPO等
- 熟练掌握PyTorch等主流深度学习框架，具备模型训练、数据处理和实验分析经验
- 对Agentic RL、Tool Use、多轮Function Call、多模态模型训练有浓厚兴趣
- 具备良好的实验设计能力和问题分析能力，能够从业务问题抽象出可训练、可评估的技术目标
- 加分项：
- 在NeurIPS，ICLR，ICML，CVPR，ACL等顶级会议发表过高水平论文者优先。
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、负责即梦创作Agent模型的后训练能力建设，提升模型在创作理解、任务规划、工具调用和多轮交互中的表现；
- 2、构建Agent SFT数据、多轮Function Call数据、工具轨迹数据和创作任务偏好数据；
- 3、探索Agentic RL、Rubrics-based RL、Unified Reward System等方法，提升Agent长链路任务成功率；
- 4、结合图片、视频、编辑、素材理解等多模态创作场景，提升模型对创作语言、视觉风格和用户意图的理解能力；
- 5、与Harness、评估、数据和产品团队协作，形成模型训练、自动化评估、线上反馈的持续迭代闭环。
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。