百度
实习北京市 · 实习 · 本科
长期有效
【岗位职责】
-负责小度多模态大模型的结构设计、预训练任务、模型训练和推理验证等工作，包括但不限于多模态预训练、跨模态生成与检索、多模态对话等业务应用
-跟踪多模态大模型方向前沿问题的研究
-参与建设并持续保持部门多模态技术在业界的技术先进性，保持创新的同时将业界SOTA模型在小度业务场景进行产品化落地
-负责的多模态技术涵盖视觉、语音、NLP等多个领域
【任职要求】
-本科及以上学历
-对CV、NLP、多模态等相关领域有一定的理解，在其中一个或多个方向有深入的研究经历
-优秀的工程实践能力，熟悉Pytorch/Tensorflow等深度学习框架，掌握大规模并行训练技术
-优秀的分析、解决问题能力，对新技术充满好奇，敢于挑战高难度，善于提出解决方案并快速验证
-有大模型训练经验，熟悉Megatron/Deepspeed等常见大模型训练框架，对ChatGPT, GPT-4, StableDiffusion等大模型有深入研究且有实际训练经验者优先
-在国际会议发表论文者优先，包括但不限于ICLR, CVPR, ICCV, ECCV, ACL NeurIPS, ICML等会议
-实习3个月以上
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
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）
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
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
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
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
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。