小米
多模态算法实习生-2027届
多模态算法实习生-2027届
发布于 大约 16 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
博士
深度学习
PyTorch
强化学习
计算机视觉
多模态大模型
多模态融合
AI 估算 · 6k–10k
实习生薪资通常较低，但小米作为大厂提供有竞争力的实习补贴，综合地区和行业水平估算。
职位详情
关于这个职位
该实习岗位聚焦多模态大模型的前沿研究，包括多模态理解与推理、融合对齐策略及多任务联合训练
作为小米AI实验室的一员，你将参与学术研究并产出行业影响力成果，适合对计算机视觉和深度学习有深入理解的博士生
最低要求
在读博士，计算机、人工智能、机器学习、电子信息、自动化、数学等相关专业，多模态大模型、计算机视觉等相关方向
具备一定的多模态算法或计算机视觉实践经验，对多模态大模型算法有深入理解
具备优秀的编程能力，熟练掌握PyTorch等至少一门深度学习框架，熟练掌握Python或C++等至少一门编程语言
对多模态大模型、计算机视觉、深度学习等领域有比较强的兴趣，能每周实习四天以上，实习四个月以上
工作职责
深入调研多模态理解大模型、多模态推理大模型以及强化学习等方向的前沿技术
深入探索多模态融合对齐策略，多模态多任务联合训练
参与多模态大模型学术研究，产出具有业界行业影响力的科研成果
优先资格
在多模态大模型、计算机视觉、深度学习等领域发表过高水平论文，或参加过相关领域主流算法竞赛且取得优秀成绩者，优先
在ACM/ICPC、CodeForces、IOI/NOI/NOIP/CSP等编程算法竞赛中获得优秀成绩者，优先
AI 洞察
优缺点分析
优点
- 接触多模态大模型最前沿技术，技能积累快
- 小米作为大厂，平台资源丰富，数据与计算资源充足
- 有机会发表高水平论文，提升学术影响力
- 实习周期较长（4个月以上），需要平衡学业
- 竞争激烈，候选人多有论文或竞赛背景
- 适合对多模态研究有浓厚兴趣、具备较强编程和科研能力的博士生，希望积累顶尖企业研究经验
缺点 / 挑战
- 研究型实习对自学能力和抗压能力要求较高
角色解读
- 积累前沿研究经验，向AI研究员或算法工程师方向发展
- 优秀实习生可获得转正机会，进入小米AI团队
- 后续可攻读更高学位或加入顶尖科技公司的研究岗位
- 调研多模态大模型和强化学习等前沿技术，跟踪学术动态
- 设计并实验多模态融合对齐策略，参与多任务联合训练
- 进行学术研究并撰写论文，争取发表高水平成果
- 扎实的计算机视觉和多模态大模型理论基础
- 熟练使用PyTorch等深度学习框架，编程能力强
- 具备独立研究和解决问题的能力，有论文发表或竞赛经验更佳
申请策略
- 投递时附上个人GitHub或项目链接，展示代码能力
- 了解小米AI实验室的研究方向，在简历中体现匹配度
- 突出多模态或计算机视觉相关的研究项目及成果
- 列出发表的论文、竞赛奖项和算法竞赛成绩
- 强调编程技能和深度学习框架使用经验
- 深入复习多模态大模型经典论文（如CLIP, BLIP等）
- 熟悉强化学习基础，了解RLHF等技术
- 提前练习PyTorch实现和调优技巧
面试指南
- 对于技术问题，先建立框架再分点阐述，注重原理与实战结合
- 对于项目问题，使用STAR法则（情境-任务-行动-结果）清晰讲述
- 对于开放问题，展示思考深度和创新能力，可结合最新论文
- 请介绍多模态融合的几种常见策略及其优缺点
- 解释CLIP模型的工作原理，并讨论如何改进
- 你如何设计一个多任务联合训练的实验？
- 请描述你过去的一个研究项目，并说明遇到的挑战
- 你对强化学习在多模态中的应用有何理解？
匹配度报告
68
综合匹配度
前沿多模态研究实习，高成长性但薪资一般。
适合人群
非常适合追求技术成长和学术发展的博士生，对薪资和福利敏感度较低。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利35
成长发展92
工作生活70
使命价值75
薪资福利匹配
35较低
实习岗位薪资属于行业中等偏下，但小米作为大厂有基本补贴；福利较少，补偿性动机满足度较低。
薪资信号未披露（AI估算：6K-10K/月）
成长发展匹配
92较高
岗位聚焦多模态前沿技术，有明确的学术产出要求，发展性动机极强。
技术前沿前沿/新兴技术
技术栈多模态大模型、强化学习、计算机视觉、PyTorch
业务类型ambiguous
工作生活匹配
70中等
仅现场办公，工作地点为北京，WLB未明确，但实习通常有相对固定的工时。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
75中等
AI行业高速增长，但具体社会影响力中性，更多的意义来自技术推动。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs