大华
校招【研发中心】2027届NLP算法工程师(J24408)
校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、计算机、数学、人工智能、模式识别、统计学等相关专业，硕士及以上学历，具备良好的数据基础
- 2、具备良好的编程基础，至少熟悉一种编程语言，如Python，C++，Java等
- 3、深刻理解Transformer、BERT、GPT等主流模型原理，熟悉Attention机制、预训练方法；对大模型技术栈有深入实践者优先
- 4、熟悉深度学习框架，如PyTorch/TensorFlow/PaddlePaddle等，熟悉Linux开发环境，具备良好的代码规范和工程落地能力
- 5、在如下专业领域有项目实践经验者优先，如：工具调用、向量模型、分词、语义消歧、文本分类、实体识别、知识图谱等
- 6、熟悉大模型算法的智能体落地，有知识检索、对话系统、行业智能体等领域落地者优先
- 7、良好的沟通表达能力和团队协作能力，热衷技术，责任心强。
岗位描述
- 1、负责自然语言处理算法的研发与落地，包括语言大模型的训练、检索增强 RAG、文本理解、文本生成以及智能体等能力，支撑业务场景需求；
- 2、参与数据集构建、数据清洗、标注质量评估，完成模型训练、调优、效果评估、错误分析，持续迭代优化模型精度与稳定性；
- 3、对接工程开发团队，将NLP算法转化为可交付方案，完成模型压缩、推理加速，保障算法在生产环境高性能稳定运行，并跟进不同应用场景下的产品化工作；
- 4、跟踪NLP前沿技术、论文与开源方案，结合业务做技术选型与方案调研，输出技术方案、实验报告，解决业务中的复杂文本问题。
- 1、计算机、数学、人工智能、模式识别、统计学等相关专业，硕士及以上学历，具备良好的数据基础；
- 2、具备良好的编程基础，至少熟悉一种编程语言，如Python，C++，Java等；
- 3、深刻理解Transformer、BERT、GPT等主流模型原理，熟悉Attention机制、预训练方法；对大模型技术栈有深入实践者优先；
- 4、熟悉深度学习框架，如PyTorch/TensorFlow/PaddlePaddle等，熟悉Linux开发环境，具备良好的代码规范和工程落地能力；
- 5、在如下专业领域有项目实践经验者优先，如：工具调用、向量模型、分词、语义消歧、文本分类、实体识别、知识图谱等；
- 6、熟悉大模型算法的智能体落地，有知识检索、对话系统、行业智能体等领域落地者优先；
- 7、良好的沟通表达能力和团队协作能力，热衷技术，责任心强。
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。