小米
Miclaw-多模态方向实习生
Miclaw-多模态方向实习生
发布于 大约 3 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
本科
研究与开发 (研发)
PyTorch
自然语言处理
计算机视觉
TensorFlow
视频生成
多模态
图像理解
声学信号处理
3D内容创建
AI 估算 · 4k–8k
实习生薪资，北京地区硕士水平约200-400元/天，按月估算，结合小米平台和岗位前沿性，取中等偏上范围。
职位详情
关于这个职位
作为小米多模态方向实习生，你将深度参与前沿AI技术研发，涵盖图像/视频理解、3D生成、声学信号处理及跨模态对齐
工作内容包括算法设计、模型优化、实验分析与顶会调研，适合对科研有热情、希望发表顶会论文或参与核心项目的在校生
最低要求
计算机及相关专业（CS/EE/数学/统计/自动化等）在读本硕博，对多模态处理领域有强烈科研热情与明确研究方向
具备扎实的数学基础（线性代数、概率论、优化理论等）与编程能力，精通Python，熟练使用PyTorch/TensorFlow等深度学习框架，有高效代码编写与调试能力
深耕多模态处理、计算机视觉或自然语言处理等相关方向，扎实掌握领域核心理论
具备优秀的科研思维、独立问题解决能力与批判性思维，能快速跟进顶会前沿成果
工作严谨细致，有强烈的求知欲与创新意识，具备良好的团队协作与学术沟通能力
能保证稳定实习时长（建议6个月及以上，每周不少于4天），可尽快到岗
工作职责
深度参与多模态核心算法与模型的研发工作，覆盖图像/视频理解与生成、3D内容创建、声学信号（语音/音频）处理，以及跨模态（文本-视觉/听觉等）对齐、融合等关键方向
主导部分子任务的设计与落地，参与实验方案制定、数据挖掘与预处理、模型训练及效果验证等全流程科研环节
参与多模态核心算法的设计与优化，针对模型精度、推理速度、显存占用等关键指标开展针对性调优
深入分析实验数据，提炼核心问题并输出创新性优化方案，助力团队突破技术瓶颈，保障核心产品的技术领先性
独立或组队开展多模态、NLP、CV领域顶会（如NeurIPS/ICML/ICCV/ECCV/ACL等）及前沿开源项目的深度调研，聚焦领域核心难点与创新方向
完成高质量调研报告，包含技术原理拆解、性能对比分析及落地可行性评估，推动前沿技术在团队核心项目中的转化与应用
负责核心代码的开发与维护、科研论文的撰写、技术专利的素材整理等工作，主动贡献创新性科研思路
优先资格
有顶会论文（一作/共同一作优先）、国家级科研项目参与或高质量开源项目核心贡献经历者优先
AI 洞察
优缺点分析
优点
- 小米作为大型科技公司，提供丰富的计算资源和真实业务场景，有利于技术落地
- 多模态是AI前沿方向，实习经历含金量高，对求职或深造有显著加分
- 团队实力强，有发表顶会论文的机会，能快速提升科研能力
- 实习周期长（6个月），可深入参与项目，建立深度技术积累
- 实习薪资相对全职较低，生活成本需考虑
- 工作强度较大，需同时推进多个任务，且对独立解决问题的能力要求高
- 技术门槛高，需要快速掌握深度学习新框架和前沿论文
- 适合有扎实AI基础、对科研有浓厚兴趣、希望在多模态领域做出突出成果的在校硕博生
缺点 / 挑战
暂无明显挑战项
角色解读
- 实习期间可参与顶会论文投稿，积累科研产出，为读博或AI研究岗位打下基础
- 表现优异者有机会转正，进入小米AI实验室或核心业务部门
- 后续可向多模态算法专家、技术负责人或研究员方向发展
- 参与多模态算法研发，包括图像/视频生成、3D内容创建和跨模态对齐等核心方向
- 主导子任务的设计与落地，负责模型训练、调优和实验分析
- 跟踪顶级会议论文，输出调研报告，推动前沿技术在实际项目中的应用
- 撰写科研论文和专利，贡献创新思路
- 扎实的数学基础（线性代数、概率论、优化）和编程能力，精通Python和PyTorch/TensorFlow
- 深入理解多模态、CV或NLP领域的核心理论
- 优秀的科研思维和独立解决问题的能力，能快速跟进最新进展
- 良好的团队协作和学术沟通能力
申请策略
- 在简历中明确表达对多模态方向的热情和具体研究兴趣，与JD方向（图像/视频/3D/声学）匹配
- 提前了解小米在AI领域的布局，如小米AI Lab、IoT场景，可在面试中展示对业务的思考
- 突出与多模态、CV、NLP相关的项目经验或论文，尤其是深度学习模型设计与调优
- 强调Python和PyTorch/TensorFlow的熟练度，附上GitHub链接或开源贡献
- 展示数学基础和科研思维，例如在数学建模竞赛或科研项目中的成果
- 如有顶会论文或国家级项目，放在显眼位置
- 复习线性代数、概率论和优化理论，确保面试能解释常见算法原理
- 熟悉Transformer、CLIP、扩散模型等最新多模态架构，并动手复现相关论文
面试指南
- 对于技术问题，先阐述核心原理（如架构、损失函数），再举例说明典型应用，最后指出局限和改进方向
- 对于项目经历，使用STAR法则：背景、任务、行动、结果，突出你的贡献和量化成果
- 对于开放性研究问题，展示你的批判性思维，从原理分析到实际权衡，提出可能的研究思路
- 请详细解释Transformer在视觉-语言模型中的应用
- 描述你的一个多模态项目，包括遇到的问题和解决方案
- 如何评价当前的扩散模型在图像生成中的优缺点？
- 你如何设计一个跨模态检索系统，评估指标有哪些？
- 你对哪个顶会的最新工作比较关注？请简要介绍
职位点评
62
综合评分
小米多模态研究型实习，前沿技术栈，发展潜力大，但薪资低、需长期投入。
更适合这类人
适合追求技术成长和科研产出、不太在意短期薪酬的在校学生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利30
成长发展90
工作生活60
使命价值70
薪资福利
30较低
实习生薪资较低，且没有明确福利（JD未提及），补偿性动机满足程度有限。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
90较高
该岗位提供顶尖研究环境、顶会机会和长期培养，发展性动机得到高度满足。
技术前沿前沿/新兴技术
技术栈多模态、图像生成、3D内容、声学信号、Transformer、Diffusion
成长机会顶会论文、科研项目、开源贡献、创新性科研思路
业务类型profit_center
工作生活
60中等
现场办公，北京地段，但实习期较长（6个月），WLB要求未明确提及，整体中等。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
多模态AI是前沿方向，对社会有积极影响，但具体使命未在JD中强调。
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