Research Scientist

优缺点分析

角色解读

• 从研究科学家成长为AI研究团队负责人或首席科学家
• 发表高影响力论文，成为学术界或工业界权威
• 横向拓展到产品落地，参与AI产品从0到1的构建
• 确定并领导多模态生成模型的研究方向，跟踪前沿AI趋势
• 设计并运行实验，在高端GPU集群上验证模型假设
• 分析实验结果，改进模型架构和训练方法
• 创建新型生成模型、训练策略和合成数据流程
• 精通扩散模型或自回归模型的大规模训练
• 熟练掌握Python、PyTorch、Diffusers等深度学习框架
• 有顶级会议论文发表经验，证明研究能力
• 大规模分布式训练经验（Megatron/DeepSpeed）

申请策略

• 在求职信中表达对AI重塑生产力软件的兴趣，并结合Canva产品提出想法
• 准备好展示过往研究如何与公司目标契合
• 突出顶级会议论文、开源项目贡献
• 详细描述大规模模型训练经验，包括GPU数量、数据处理、优化技巧
• 强调与多模态生成相关的项目成果（文本到图像/视频/3D）
• 列出掌握的框架和工具（PyTorch, Diffusers, Megatron等）
• 若缺乏大规模并行训练经验，可尝试复现经典模型并优化
• 补充强化学习或合成数据生成方面的知识

面试指南

• 对于项目介绍类问题，采用STAR法则（情境、任务、行动、结果），突出技术细节和成果
• 对于技术原理问题，先阐述核心概念，再结合自己的实践经验或见解
• 对于开放性问题，体现系统思维：问题定义、文献调研、假设、实验设计、迭代优化
• 请详细介绍你参与过的一个大规模生成模型训练项目，包括遇到的问题和解决方案
• 扩散模型和自回归模型在图像生成中的优缺点是什么？
• 如何在数百个GPU上高效进行分布式训练？
• 如何评估一个生成模型的质量？除了FID/IS之外还有哪些指标？
• 如果给你一个全新的多模态生成任务，你会如何设计研究路线？