百度
实习多模态算法实习生（J99677）
北京市 · 实习 · 不限
长期有效
任职要求
- -深入理解GAN、 VAE、Diffusion Model/CFM等视觉生成技术，精通DPO、LORA、蒸馏等训练方法，有成功的模型算法优化和应用经验。有3D人脸建模，talking-head生成，唇驱等数字人相关技术背景优先
- -熟悉Wan、CogVideoX等开源视频生成基座模型，精通DiT和mmDiT架构，了解可控生成技术和应用，如ControlNet，IP-adapter等
- -具有扎实的算法理论和研发基础，熟练掌握常用CV算法和工具（分类、分割、超分等）；有顶会论文优先
- -勤于钻研前沿技术，具备较强的自学与研究能力
岗位描述
【岗位职责】
-自研模型架构探索：深度参与电商数字人生成大模型的研发，探索Diffusion Model、DMD等前沿方法在数字人直播与短视频生成中的应用
-前沿技术转化：紧跟视频生成、3D人脸重建与驱动等领域的最前沿进展，验证并落地创新算法方案，解决复杂环境下的数字人表现力问题
-学术成果沉淀：结合业务场景中的核心挑战，沉淀高质量研究成果，撰写并在人工智能国际顶尖学术会议/期刊上发表论文
-全链路方案优化：研发并迭代电商数字人直播解决方案，攻克交互实时性、生成一致性等关键指标，持续提升数字人在实际生产环境中的业务转化效能
【任职要求】
-深入理解GAN、 VAE、Diffusion Model/CFM等视觉生成技术，精通DPO、LORA、蒸馏等训练方法，有成功的模型算法优化和应用经验。有3D人脸建模，talking-head生成，唇驱等数字人相关技术背景优先
-熟悉Wan、CogVideoX等开源视频生成基座模型，精通DiT和mmDiT架构，了解可控生成技术和应用，如ControlNet，IP-adapter等
-具有扎实的算法理论和研发基础，熟练掌握常用CV算法和工具（分类、分割、超分等）；有顶会论文优先
-勤于钻研前沿技术，具备较强的自学与研究能力
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。