大模型算法工程师-2027校招

优缺点分析

角色解读

• 从算法工程师起步，深耕多模态大模型方向，逐步成长为VLM/扩散模型领域专家
• 可向大模型算法专家、技术负责人或算法团队管理方向发展
• 依托影像与智能硬件业务，可延伸至端侧AI、多模态产品化等相关方向
• 研究VLM、扩散模型等大模型前沿算法，理解原理并做深度定制与微调优化
• 围绕业务场景搭建数据、设计模型，完成指令微调、偏好对齐与Benchmark评估等算法工程
• 提出创新性算法思路，把前沿成果引入现有算法系统，探索大模型在影像视频业务中的落地
• 扎实的深度学习基础，在目标检测分割、视频理解、几何感知或LLM中至少一个方向有理论与实践积累
• 在VLM或扩散模型方向有深入的研究经历，能理解算法原理并做微调与优化
• 熟练的Python编程能力，代码能力强，学习能力与逻辑思维突出，具备团队协作精神
• 有A类一作论文或大模型视频内容理解项目经验者更具竞争力

申请策略

• 了解影石创新的影像与智能硬件业务，思考大模型如何赋能其具体场景
• 关注2027校招时间节点，提前准备好论文、项目与代码材料
• 重点突出VLM或扩散模型相关的科研与项目经历，写明所用算法与优化细节
• 列出A类一作论文、竞赛或开源成果，尽量量化模型效果提升
• 强调Python代码能力与工程化落地经验，如数据处理、训练调优、Benchmark
• 展示与视频/图像内容理解相关的项目，贴合岗位业务方向
• 系统复习VLM、扩散模型原理及主流微调方法（指令微调、偏好对齐等）
• 提升大规模训练与推理的工程能力，熟悉常见分布式训练框架

面试指南

• 项目类问题采用“背景-方法-结果”结构，讲清问题定义、算法选择与量化效果
• 原理类问题先讲整体框架，再深入关键细节并表达自己的理解
• 结合业务场景作答，体现从研究到落地的完整思考链路
• 请介绍你在VLM或扩散模型方向的研究工作，核心创新点是什么？
• 指令微调与偏好对齐（如RLHF/DPO）的原理与区别是什么？
• 如何针对具体业务场景搭建数据进行模型微调？请举例说明
• 你如何理解多模态大模型在视频内容理解上的应用与挑战？
• 你会如何评估并优化一个VLM模型在Benchmark上的表现？