视觉生成大模型算法工程师

优缺点分析

角色解读

• 横向可向多模态大模型、AIGC产品方向拓展，成为领域专家
• 纵向可晋升为技术骨干或技术负责人，带领团队研发核心算法
• 在小米可深入业务场景，积累大规模落地经验，未来可跳槽或创业具有竞争力
• 参与视觉生成与编辑大模型的算法设计、数据构建和模型训练，解决实际业务场景中的技术问题
• 围绕手机、汽车、小爱等核心产品，推动生成算法在图像编辑、内容创作等场景的落地应用
• 跟进视觉生成领域的前沿进展，探索创新性算法并评估其应用价值
• 扎实的深度学习和计算机视觉基础，熟悉生成模型如GAN、Diffusion等
• 熟练掌握PyTorch等深度学习框架，及Python/C++编程
• 具备独立动手实现和优化算法模型的能力，能够快速复现和迭代
• 良好的沟通协作能力，能与跨团队合作推动项目落地

申请策略

• 了解小米AI相关产品线，思考你的技能如何服务于手机摄影、汽车自动驾驶等场景
• 准备好展示一个完整的项目案例，从问题定义到最终效果
• 突出视觉生成相关项目经验，如基于Diffusion或GAN的图像生成/编辑工作
• 展示论文或竞赛成果，体现算法研究能力
• 详细描述模型训练优化过程，如加速、调参、解决具体问题
• 强调Python/PyTorch/C++的扎实编码能力
• 熟悉最新的扩散模型（如Stable Diffusion, Sora等）原理和实现
• 了解多模态大模型的应用，如CLIP、LLM与视觉结合

面试指南

• 用STAR法则描述项目：先交代背景和任务，说明你的具体职责，再讲采取的技术方案和关键决策，最后展示结果和量化指标
• 对于技术对比问题，从效果、训练难度、推理成本、可控性等维度进行分析，并结合实际应用场景给出选择依据
• 对于优化问题，先明确瓶颈，再提出针对性的方案，如模型剪枝、量化、蒸馏等，并说明权衡
• 请详细介绍一个你参与过的视觉生成项目，包括技术选型、模型结构、训练技巧和最终效果
• 你如何评价最新的扩散模型？与GAN相比有何优劣？在图像编辑上如何选择？
• 如何优化端侧部署的生成模型，平衡效果和速度？
• 如果需要在有限的数据下训练一个高质量的生成模型，你会怎么做？
• 你如何跟进前沿论文？最近关注的视觉生成方向进展有哪些？