多模态AIGC算法实习生（J97965）

优缺点分析

角色解读

• 深入AIGC前沿技术，积累多模态生成经验，未来可成为算法工程师或研究员
• 表现优异可转正为正式员工，进入百度核心AI团队
• 接触大规模业务场景，提升工程落地能力，拓展至AI产品经理或技术专家方向
• 参与多模态AIGC模型（文生图、文生视频）的研发与优化，提升生成效果和用户体验
• 负责大语言模型的SFT训练、Prompt调优，以及数据预处理和模型微调
• 调研前沿AIGC技术，尝试将其应用于百度文库网盘实际业务场景
• 扎实的机器学习/深度学习理论，熟悉自然语言处理或计算机视觉
• 熟练掌握Python及至少一种深度学习框架（Pytorch、Tensorflow等）
• 对Diffusion模型、大语言模型训练有一定实践经验

申请策略

• 提前了解百度文库网盘的产品形态，思考AIGC如何提升用户体验
• 准备一个AIGC相关的小项目或Demo展示你的实践能力
• 突出参与过的AI项目，尤其是文生图、文生视频或大语言模型相关经历
• 强调Python、Pytorch使用经验及模型训练/微调的具体成果
• 如有开源贡献或论文发表，务必列出
• 补充Diffusion模型原理（如DDPM、Stable Diffusion）
• 熟悉Prompt Engineering技巧和SFT训练流程
• 学习百度PaddlePaddle框架（加分项）

面试指南

• 针对原理问题：先概述核心思想（如前向/逆向过程），再结合公式或伪代码简要说明
• 针对项目经验：使用STAR法则（情境-任务-行动-结果），突出你的贡献和量化效果
• 针对开放设计题：从问题定义、数据获取、模型选择、评估优化几个维度逐步展开
• 解释扩散模型（Diffusion Model）的核心原理及其在文生图中的应用
• 描述一次你使用大语言模型进行SFT或Prompt调优的经历
• 如何评估生成图片/视频的质量？有哪些常用指标？
• 如果给你一个AIGC业务场景，你会如何设计模型优化策略？
• Transformer自注意力机制的原理及其在多模态融合中的变体