高德-科学家/资深专家-多模态大模型方向

优缺点分析

角色解读

• 从科学家/资深专家向技术专家或团队负责人方向发展，带领研究小组
• 在学术与工业界双线发展，通过顶会论文和开源项目建立个人影响力
• 向高德核心业务（自动驾驶、AR导航、具身智能）的技术负责人或架构师方向晋升
• 研究多模态核心算法，包括跨模态表示学习、对齐、生成与推理，涉及图文、视频-语言、3D-语言等方向
• 参与多模态大模型的研发，优化预训练策略、高效微调、长序列建模等关键技术
• 探索多模态技术在内容理解、智能交互、具身智能等场景的落地应用，推动技术商业化
• 撰写高质量论文并开源核心代码，积极参与学术社区交流，提升团队学术影响力
• 扎实的深度学习基础，深入理解Transformer、对比学习、生成模型等核心技术
• 精通PyTorch，具备多模态模型训练与调优的实战经验，熟悉CLIP、BLIP、LLaVA等经典工作
• 具备顶会论文发表经验，尤其是CVPR、ICCV、NeurIPS等，第一作者优先
• 良好的代码规范与团队协作能力，能够高效与跨团队合作

申请策略

• 了解高德地图的业务方向和技术布局，在面试中展示对应用场景的理解
• 准备一个与多模态相关的项目案例，展示从问题定义到解决方案的完整思路
• 突出顶会论文发表经历，尤其是第一作者论文，详细描述研究贡献和创新点
• 强调多模态模型训练与调优的实战经验，包括使用的模型架构、数据集和性能提升
• 展示开源项目或代码贡献，如GitHub链接、开源工具库或数据集
• 提及与岗位相关的项目经历，如跨模态表示学习、大模型预训练等
• 深入学习多模态大模型的最新进展，如LLaVA、BLIP等，并动手复现
• 提升PyTorch编程能力，熟悉分布式训练和模型优化技巧

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目经历问题，突出个人贡献和成果
• 对于技术问题，先阐述基本原理，再结合自己的实践经验，最后提出优化思路
• 对于开放性问题，展现对领域趋势的思考，并结合高德业务场景提出见解
• 请介绍你在多模态大模型方面的研究经历，包括模型设计、训练过程和成果
• 如何优化多模态模型的预训练策略？请举例说明
• 你对CLIP、BLIP、LLaVA等模型的理解，它们各自有什么优缺点？
• 如何将多模态技术应用到具身智能或自动驾驶场景？
• 你如何看待多模态大模型未来的发展趋势？