长鑫存储
校招视觉算法(J20266)
合肥 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1. 学历要求：硕士研究生及以上，博士优先
- 2. 专业要求：计算机科学、信息工程、电子工程、机器人学等相关专业
- 3. 其他要求：
- 具有深度学习、机器人学、计算机图形学、计算机视觉几何等领域的深入认知，能分析各算法的适用条件与瓶颈
- 能使用C++、Python或PyTorch完成算法开发任务，并具备现场编程能力
- 在CVPR、ICCV、ECCV、NIPS、ICML、ICLR、IROS或ICRA等主流会议或期刊发表过论文者优先
- 具有将算法落地为产品的强烈热情，能结合技术手段解决产品实际问题。
岗位描述
- 1. 多模态算法研发：主导多模态大模型算法研发，针对半导体图像设计并实现大模型理解、生成及规划等核心算法系统；
- 2. 能力建设模块设计：主导多模态大模型能力建设关键环节的设计与算法实现，包括数据生成、自动标注及自动迭代等模块；
- 3. 系统方案交付：主导跨模块沟通与协作，设计并交付多模态大模型AI功能系统方案。
- 1. 学历要求：硕士研究生及以上，博士优先；
- 2. 专业要求：计算机科学、信息工程、电子工程、机器人学等相关专业；
3. 其他要求：
- • 具有深度学习、机器人学、计算机图形学、计算机视觉几何等领域的深入认知，能分析各算法的适用条件与瓶颈；
- • 能使用C++、Python或PyTorch完成算法开发任务，并具备现场编程能力；
- • 在CVPR、ICCV、ECCV、NIPS、ICML、ICLR、IROS或ICRA等主流会议或期刊发表过论文者优先；
- • 具有将算法落地为产品的强烈热情，能结合技术手段解决产品实际问题。
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。