计算机视觉及多模态算法实习生（J100103）

优缺点分析

角色解读

• 积累前沿AI技术经验，有机会接触百度核心业务和大规模模型训练
• 表现优秀可转正为正式员工，进入百度AI研发团队
• 技术方向可向多模态大模型、文档智能等热门领域深化发展
• 负责计算机视觉与文档分析技术研发，包括OCR、文档结构化等核心任务
• 参与多模态大模型的数据调研、训练、微调和优化，提升模型效果
• 推动大模型在信息抽取、图表解析等实际业务场景的落地应用
• 日常评估模型性能，探索训练和推理效率的改进方法
• 扎实的计算机视觉或自然语言处理理论基础，熟悉主流算法
• 熟练使用PyTorch或PaddlePaddle等深度学习框架
• 较强的编程能力，能够独立实现和调试算法
• 有顶会论文或竞赛经历者优先，体现研究和实践能力

申请策略

• 了解百度在文档智能和多模态领域的产品（如百度网盘、百度AI开放平台），面试时可结合业务场景讨论
• 提前准备1-2个自己最熟悉的CV/NLP项目，能清晰讲解技术细节和效果
• 重点突出计算机视觉或NLP相关的项目经历，包括算法实现和结果
• 如有开源贡献、论文或竞赛奖项，单独列出并说明贡献
• 展示编程能力：熟练使用的框架、编程语言及代码仓库链接
• 强调实习时间承诺和到岗时间，表明稳定性
• 复习深度学习基础，特别是Transformer、注意力机制、多模态模型结构
• 动手复现经典CV/多模态模型（如CLIP、DETR），提升实战能力

面试指南

• 用STAR法则（情境-任务-行动-结果）清晰描述项目，突出自己的角色和量化成果
• 对技术问题，先解释基本概念，再结合具体应用场景，最后可适当延伸
• 对动机类问题，展现对AI技术的热情，并联系百度的实际业务方向
• 请介绍一个你参与过的计算机视觉项目，包括使用的模型、数据和最终效果
• 解释Transformer在视觉任务中的应用，如ViT或DETR的原理
• 多模态模型如何处理不同模态（文本+图像）的融合？请举例说明
• 如何评估OCR模型的性能？有哪些常用的评价指标？
• 实习期间你希望从团队学到什么，或者你希望贡献什么？