Momenta
实习招聘实习生（AI方向）
北京 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 有自动驾驶、科技行业招聘/猎头实习经验，接触过 Sourcing 工作者优先
- 熟悉某一领域（如互联网技术、自动驾驶技术、AI技术）人才特点，或有相关行业社群资源者优先
- 学历与专业：硕士在读，专业不限
- 具备基础的信息检索能力，能快速学习使用各类招聘工具，擅长从多渠道挖掘候选人信息
- 细心严谨，对数据敏感，能熟练使用 Excel（如 VLOOKUP、数据筛选、报表制作）进行信息整理与统计
- 沟通表达清晰，有耐心，能礼貌、高效地与候选人进行初步沟通，准确传
- 有责任心，能按时完成分配的 Sourcing 与数据整理任务，不拖延、不敷衍。
岗位描述
- 一、AI顶尖人才 Sourcing 与深度挖掘
- 1.协助通过招聘网站（如 BOSS 直聘、猎聘）、行业社群、脉脉、LinkedIn 等渠道，定向搜索符合岗位需求的候选人（主要为核心算法类岗位，具体方向可根据团队需求调整）;
- 2.初步筛选候选人简历；
- 3.建立候选人资源库，对优质候选人进行标签化分类，便于后续精准触达；
- 二、信息与数据整理分析
- 1.负责招聘全流程数据记录与整理；
- 2.协助统计招聘关键数据；
- 三、招聘流程协作支持
- 1.协助发送面试邀约；
- 2.跟进面试后反馈；
- 3.协助完成招聘相关行政工作；
- 4.参与AI提效工具建设与优化工作。
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。