腾讯
实习元宝—教育多模态大模型关键技术研究
北京 · 实习 · 博士
长期有效
任职要求
- 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
- 2、熟练掌握大模型、多模态相关的基本算法及应用，熟悉caffe、tensorflow，pytorch等至少一个深度学习框架；
- 3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：
近年来，多模态大模型技术快速发展，在 AI 教育场景中展现出较强的应用潜力。围绕拍照解题、作业批改、AI 讲题与教学互动等核心任务，模型仍面临细粒度感知不足、复杂推理解题能力有限以及多模态交互体验不稳定等问题。因此，本课题聚焦多模态大模型在 AI 教育场景中的关键技术研究，探索其在感知理解、推理解题与教学交互中的能力提升与落地应用。
课题挑战：
- 1、拍照解题中的关键能力研究：如何提升模型基于图像进行思考的能力，并支持辅助线构造等复杂解题过程；
- 2、强化学习优化：如何通过强化学习提升拍照解题的泛化能力，同时进一步提高解题准确性与解析质量；
- 3、端到端多模态建模：如何面向拍照解题、作业批改等场景，构建高效稳定的端到端多模态大模型方案；
- 4、AI 教学交互能力研究：如何结合多模态交互与个性化记忆机制，提升 AI 讲题、AI 教学等场景下的理解与互动效果。
具体工作：
你将参与多模态教育 Agent 与解题模型研究、强化学习优化、端到端方案设计，以及 AI 讲题与教学交互能力建设。
【任职要求】
- 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
- 2、熟练掌握大模型、多模态相关的基本算法及应用，熟悉caffe、tensorflow，pytorch等至少一个深度学习框架；
- 3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【技术方向】
多模态、视觉、语音
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。