腾讯
校招WXG-WeLM 多模态大模型基座建设
北京 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 岗位要求：
- 1、有大语言模型、强化学习、多模态项目研发经历并取得过优秀成果
- 2、对于学习和参与搭建大规模的复杂 AI 系统充满热情
- 3、计算机科学、数学、物理或相关领域学位
- 4、重视研究与工程成果的实际影响力
- 5、加分项：
- （1）在视觉模态/语音模态有高影响力工作
- （2）能在快速变化的环境中自主推动新研究想法，从概念构思、实验到产品化的全过程
- （3）有 GPU 编程经验者
- （4）有分布式系统开发经验者优先
- 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：
人工智能可能是这个时代最令人兴奋的技术之一。在微信 AI，我们汇聚了一支优秀研究员、算法工程师、分布式系统专家、产品人员、数据标注人员紧密合作的团队共同探索人工智能的前沿技术，并探索如何释放大模型在国民级应用中的巨大潜力。
课题挑战/具体工作：
参与微信大规模语言模型（WeLM）多模态基础模型的建设
- 1、探索研究基于 LLM 的多模态理解训练方案，从预训练开始建设高效智能多模态模型
- 2、探索研究基于 Long-Horizon 复杂多模场景的通用 Agent 训练策略
- 3、独立或与其他研究员合作进行前沿领域研究
【任职要求】
岗位要求：
- 1、有大语言模型、强化学习、多模态项目研发经历并取得过优秀成果
- 2、对于学习和参与搭建大规模的复杂 AI 系统充满热情
- 3、计算机科学、数学、物理或相关领域学位
- 4、重视研究与工程成果的实际影响力
5、加分项：
（1）在视觉模态/语音模态有高影响力工作
（2）能在快速变化的环境中自主推动新研究想法，从概念构思、实验到产品化的全过程
（3）有 GPU 编程经验者
（4）有分布式系统开发经验者优先
【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】
多模态、视觉、语音
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。