2027AIDU-多模态算法工程师(J99956)

北京市/上海市 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

1. 博士优先，计算机、模式识别、人工智能、电子工程、数学等相关专业硕士及以上学历；
2. 掌握计算机视觉、图像处理、深度学习等基础理论，在多模态模型训练、文档多模态、开放域目标检测、模型压缩小型化等方向有深入研究；
3. 熟悉扩散模型、多模态大模型（如CLIP、Flamingo、Qwen-VL等），对图像生成、视频生成、3D生成、数字人等方向有浓厚兴趣及项目经验；
4. 熟练掌握Python及PyTorch/PaddlePaddle/TensorFlow等深度学习框架，有较强论文复现能力；
5. 有多模态预训练、蒸馏、视频生成、模型轻量化等经验者优先；
6. 在国际顶会（CVPR、ICCV、ECCV、NeurIPS、ICML、AAAI等）或期刊发表过论文，或有开源项目贡献者优先；
7. 具备良好的团队合作精神、沟通能力与问题解决能力，热爱技术，追求创新。
招聘部门：健康事业部、数字人产研和视频Agent组、数字人直播和互动技术组、PSIG策略部、一见产品部、应用模型技术部、自动驾驶技术部

岗位描述

【岗位职责】

1. 负责多模态大模型的算法研发与迭代，覆盖图文、视频、语音、3D等多模态融合理解与生成；
2. 研究跨模态对齐、对比学习、扩散模型、视频生成、图像编辑、3D生成、风格迁移等前沿技术；
3. 参与多模态数据pipeline建设、评测体系设计与业务落地，推动模型在搜索、推荐、AIGC、健康、自动驾驶、网盘文库、视频理解、解题等核心场景中的应用；
4. 研发方向包括但不限于：视觉感知算法、多模态理解模型、图像/视频生成、模型压缩轻量化、文档多模态等；
5. 建设多模态数据管线，优化模型训练与推理效率，完成算法模型的训练、优化和部署。

【任职要求】

1. 博士优先，计算机、模式识别、人工智能、电子工程、数学等相关专业硕士及以上学历；
2. 掌握计算机视觉、图像处理、深度学习等基础理论，在多模态模型训练、文档多模态、开放域目标检测、模型压缩小型化等方向有深入研究；
3. 熟悉扩散模型、多模态大模型（如CLIP、Flamingo、Qwen-VL等），对图像生成、视频生成、3D生成、数字人等方向有浓厚兴趣及项目经验；
4. 熟练掌握Python及PyTorch/PaddlePaddle/TensorFlow等深度学习框架，有较强论文复现能力；
5. 有多模态预训练、蒸馏、视频生成、模型轻量化等经验者优先；
6. 在国际顶会（CVPR、ICCV、ECCV、NeurIPS、ICML、AAAI等）或期刊发表过论文，或有开源项目贡献者优先；
7. 具备良好的团队合作精神、沟通能力与问题解决能力，热爱技术，追求创新。

招聘部门：健康事业部、数字人产研和视频Agent组、数字人直播和互动技术组、PSIG策略部、一见产品部、应用模型技术部、自动驾驶技术部

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

登录后分析我的简历

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）

类型专业能力·难度困难

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

类型项目经历·难度中等

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

类型专业能力·难度简单

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

类型专业能力·难度中等

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

类型情景/案例·难度中等

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。

前往官方投递页 →