面壁智能
实习大模型解决方案工程师实习生
北京 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 硕士及以上学历，理工科专业
- 具有项目全流程管理经验
- 具备项目书撰写、PPT 制作等基础能力
- 参与过纵向课题者优先（加分项）
- 团队协作能力强、沟通能力强（加分项）
- 6具备大模型应用经验，熟悉预训练、微调等基础知识，了解常见深度学习框架（如 PyTorch 等）
- 具备 Vibe Coding 或类似高效代码生成与调试能力，能快速将需求转化为可运行方案。
岗位描述
方案设计与技术落地
负责端侧大模型在办公、具身智能、医疗、遥感、思维博弈、电磁信号等垂直领域的解决方案设计；具备大模型预训练、微调等基础知识，能够针对客户需求完成模型选型、数据策略制定及微调方案设计。
Vibe Coding 与快速原型开发
熟练运用 Vibe Coding 范式，借助自然语言驱动的高效编码方式，快速生成、迭代和调试代码原型，缩短从需求到可运行方案的验证周期，支撑解决方案的快速交付与演示。
项目全流程管理
承担项目全流程管理职责，包括项目立项、需求分析、进度计划、资源协调、风险控制、交付验收等环节；确保项目按时、按质、按预算完成，并定期向内部及客户汇报项目状态。
项目材料撰写与汇报
负责项目过程中各类文档的撰写，包括项目建议书、技术方案、结题报告、PPT 等；具备优秀的表达与沟通能力，能够面向客户或评审专家进行高质量的项目汇报。
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。