百度
实习计算机视觉及多模态算法实习生（J101313）
成都市 · 实习 · 本科
长期有效
任职要求
- -本科及以上学历在校生，计算机相关专业，可尽快到岗，线下实习4个月及以上，每周至少出勤4天
- -在多模态和计算机视觉某个领域有较深入的研究，包括但不限于：OpenCV、图像分类识别、图像分割、目标检测、OCR、多模态、无监督和自监督学习等
- -熟悉计算机视觉和自然语言处理中的至少一个方向，有顶会论文可加分
- -熟悉 PyTorch / PaddlePaddle等深度学习框架，有较强的编程能力
- -有较强的实践能力，有Kaggle、AIStudio、天池等竞赛经验者优先
岗位描述
【岗位职责】
-参与计算机视觉、文档处理分析相关技术研发，包括但不限于OCR文字识别、文档结构化、LLM训推等任务
-参与多模态大模型的算法方案调研、日常训练、微调与效果优化，确保模型训练的稳定性和效果
-支持大模型在各种实际业务中的落地，包括但不限于信息抽取、审查、图表解析等，确保其在真实场景中的有效应用
-参与大模型的日常评估和开发工作，推动其持续改进和性能提升，提高训练和推理效率
-与团队成员紧密合作，协同解决开发过程中遇到的问题和技术挑战
【任职要求】
-本科及以上学历在校生，计算机相关专业，可尽快到岗，线下实习4个月及以上，每周至少出勤4天
-在多模态和计算机视觉某个领域有较深入的研究，包括但不限于：OpenCV、图像分类识别、图像分割、目标检测、OCR、多模态、无监督和自监督学习等
-熟悉计算机视觉和自然语言处理中的至少一个方向，有顶会论文可加分
-熟悉 PyTorch / PaddlePaddle等深度学习框架，有较强的编程能力
-有较强的实践能力，有Kaggle、AIStudio、天池等竞赛经验者优先
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。