计算机视觉与多模态大模型算法实习生

优缺点分析

角色解读

• 在实习中积累多模态大模型经验，未来可成为算法工程师或研究员
• 深入AI前沿领域，有机会成为多模态方向的专家，发表高水平论文
• 依托电信平台，可向AI产品经理或技术管理方向发展
• 研发多模态大模型，进行预训练、指令微调、偏好对齐和模型优化
• 参与模型结构设计和系统优化，探索强化学习后训练
• 研究技术在智能助手、智能硬件等领域的应用，包括视觉Agent
• 结合电信业务，将大模型落地到视频解析、事件检索等实际系统
• 扎实的编程能力，熟练使用C++或Python及Linux/Shell
• 熟悉深度学习框架（TensorFlow/PyTorch）和常见算法（CNN/RNN/Transformer）
• 掌握计算机视觉和图像处理知识，了解多模态大模型框架（如LLaVA）
• 有相关项目或论文经验者优先，尤其是MLLM、RAG、Agent方向

申请策略

• 提前了解中国电信在AI领域的布局（如天翼云、智慧家庭），面试中展现业务理解
• 准备一个完整的项目案例，用STAR法则说明你的贡献和结果
• 突出相关项目或论文，尤其是多模态、大模型、计算机视觉方向
• 强调编程能力：详细列出C++/Python项目经验，展示代码质量
• 体现对深度学习框架的熟练度，如PyTorch项目
• 若有开源贡献或竞赛成绩，务必提及
• 深入学习LLaVA、LLM等开源框架，尝试复现或微调
• 提升Python/PyTorch编程能力，熟悉分布式训练工具

面试指南

• 技术类问题：先给出定义，再举例说明，最后联系自身项目
• 项目经验问题：使用STAR（情境、任务、行动、结果）结构，突出技术细节和量化成果
• 开放性问题：展示学习能力和研究热情，如提到最新论文或开源项目
• 请介绍一下多模态大模型的基本结构（如LLaVA的工作原理）
• 你如何对一个大模型进行指令微调？请描述关键步骤
• 你在深度学习项目中遇到过哪些挑战？如何解决的？
• 解释一下Transformer中的注意力机制，为什么它有效？
• 你对强化学习后训练了解多少？如何应用于大模型？