Momenta
实习AI工具实习生
上海/苏州/北京 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- - 计算机相关专业（计算机科学、软件工程、人工智能等）在读本科生或研究生，能保证稳定的实习时长（优先3个月及以上）。
- - 具备Claude等大模型的实际使用经验（其他工具、平台请注明），能够独立完成智能体（Agent）开发及工作流程搭建，有相关项目经验者优先。
- - 具备扎实的编程基础，熟悉至少一种编程语言，了解AI工具部署的基本流程与方法。
- - 具备流畅的中英文沟通能力，能清晰对接组内需求、同步工作进展，可无障碍阅读英文技术文档。
- - 具备较强的需求理解能力、问题解决能力和执行力，对AI工具应用有浓厚兴趣，愿意主动探索和学习。
- - 有自动驾驶行业相关实习或项目经验，了解国际商务业务场景
岗位描述
- - 负责组内各类AI工具的部署、调试与优化，确保工具稳定运行，提升团队工作效率。
- - 基于Claude等大模型，独立完成智能体（Agent）的设计、开发与落地，搭建适配自动驾驶国际商务场景的AI工作流程。
- - 对接组内用户，精准沟通、理解并梳理AI工具相关需求，输出需求文档，推动工具的迭代升级与功能优化。
- - 协助整理AI工具使用文档、操作指南，支持团队成员快速上手使用各类AI工具。
- - 关注行业内AI工具及智能体开发的最新动态，探索适配团队业务场景的新工具、新方案，提出合理化建议。
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。