美团
实习感知算法实习生
深圳/北京 · 实习 · 硕士
长期有效
任职要求
- 1. 硕士及以上学历，计算机、人工智能、机电自动化、机器人等相关专业；
- 2. 具备良好的数学能力，数学分析，线性代数，概率论等基础数学知识；
- 3. 具有多模态大模型、生成式模型(diffusion policy)、世界模型等算法背景；
- 4. 熟练运用AI辅助工具（如代码生成、数据分析、模型调优等）进行算法开发与优化；
- 5. 有自动驾驶、机器人领域AI算法经验优先，每周至少实习4天，连续实习6个月以上。
岗位描述
【岗位职责】
- 1. 参与无人机/机器人感知模型的研发、训练与优化，涉及多传感器融合、目标检测与跟踪、场景理解和物体抓取等方向，并协助开展多模态大模型及端到端感知算法的实验与探索；
- 2. 参与视觉及多模态模型的训练、微调与评测，协助开展模型部署优化及实验分析，提升模型在低光照、动态干扰和开放场景下的鲁棒性与泛化能力；
- 3. 参与训练数据体系建设，协助完成数据采集、清洗标注、样本构建、难例挖掘及仿真数据生成等工作，配合分析数据质量及其对模型效果的影响；
- 4. 推动AI工具在数据处理、模型训练和实验分析等环节的应用，并协同相关团队完成系统集成、联调验证与算法落地。
【任职要求】
- 1. 硕士及以上学历，计算机、人工智能、机电自动化、机器人等相关专业；
- 2. 具备良好的数学能力，数学分析，线性代数，概率论等基础数学知识；
- 3. 具有多模态大模型、生成式模型(diffusion policy)、世界模型等算法背景；
- 4. 熟练运用AI辅助工具（如代码生成、数据分析、模型调优等）进行算法开发与优化；
- 5. 有自动驾驶、机器人领域AI算法经验优先，每周至少实习4天，连续实习6个月以上。
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。