腾讯
校招混元-面向原生多模态大模型的视觉推理数据构建范式研究
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 学历和专业：计算机视觉、VLM或机器学习相关方向博士；在ICLR、NeurlPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。
- 技术技能：熟悉模型开发&训练常见框架，具备快速阅读和复现论文的能力，有VLM或图片生成模型训练经验
- 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：
当前视觉大模型在处理涉及多步空间逻辑与严谨物理因果的复杂推理任务时，极易产生事实错误或严重的幻觉问题。此外，高质量的视觉推理相关数据集极度匮乏，这成为了限制多模态模型实现深度、准确视觉推理能力的关键瓶颈。
课题挑战：
- 1）数据合成与评测：涉及几何、物理约束及因果关系的视觉推理序列数据极其复杂，探索高效、自动化的数据合成路径并构建合理的Bench评测体系是巨大挑战。
- 2）模型推理优化：在海量数据基础上，如何探索有效的模型训练与奖励路径，优化视觉推理Chain-of-Thought（思维链）的纠错机制与泛化能力，解决多步逻辑推理中的幻觉问题，技术难度极大。
具体工作：
构建百万～亿级包含几何、物理约束等领域的视觉推理数据集；跑通视觉推理序列数据合成、模型训练与评测链路；显著提升模型基于思维链的纠错与泛化能力。
【任职要求】
学历和专业：计算机视觉、VLM或机器学习相关方向博士；在ICLR、NeurlPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。
技术技能：熟悉模型开发&训练常见框架，具备快速阅读和复现论文的能力，有VLM或图片生成模型训练经验
【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】
AI数据、数据工程
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。