研究型实习生-智能算法产品事业部-多模态视觉算法工程师

优缺点分析

角色解读

• 实习期间可深入接触工业级大规模广告系统，积累多模态大模型在真实业务场景的应用经验
• 表现优秀者有机会转正，成为阿里妈妈算法工程师，负责核心广告算法研发
• 未来可向技术专家或技术管理方向发展，成为多模态搜索广告领域的资深专家
• 研究并应用多模态大模型技术，提升淘宝搜索广告中图文和视频物料的理解能力
• 探索生成式大模型和AIGC技术在广告物料生成与挖掘中的应用，优化广告投放效果
• 参与超大规模多模态模型的训练与推理加速，解决实际业务中的技术挑战
• 设计并优化经典CV/多模态任务，如分类、检测、OCR等，支撑广告算法全链路升级
• 扎实的编程基础，熟练掌握Java/C++/Python中至少一门语言，具备良好的数据结构和算法功底
• 熟悉计算机视觉、多模态算法、机器学习和深度学习的基础理论与常用模型
• 具备优秀的分析和解决问题能力，能够独立进行算法研究和实验验证
• 良好的沟通协作能力，能够与团队成员高效配合，共同推进项目

申请策略

• 深入了解阿里妈妈搜索广告业务，思考多模态技术如何与广告场景结合
• 在面试中展现对技术研究的热情和独立思考能力，主动分享你的技术见解
• 突出计算机视觉、多模态学习、深度学习相关的项目经历，详细描述你的技术方案和成果
• 重点展示在顶级会议（如CVPR、ICCV、NeurIPS）或期刊上发表的论文，体现研究能力
• 强调在ACM、Kaggle等竞赛中的获奖经历，证明算法实战能力
• 如有开源项目贡献，务必列出，展示你的工程能力和社区影响力
• 系统复习机器学习、深度学习基础，特别是CNN、Transformer等模型架构
• 熟悉主流多模态大模型（如CLIP、LLaVA）的原理和应用，尝试进行微调或推理

面试指南

• 对于项目介绍类问题，采用STAR法则，清晰阐述背景、任务、行动和结果，突出个人贡献和量化成果
• 对于开放性问题，先拆解问题，再结合所学知识给出结构化回答，体现逻辑性和思考深度
• 对于算法设计问题，从问题定义、数据、模型、评估几个方面展开，展现系统性思维
• 请详细介绍你参与过的一个计算机视觉或多模态项目，包括技术选型、挑战和最终效果
• 如何理解多模态大模型在广告物料理解中的应用？请谈谈你的思路
• 描述一下你对Transformer架构的理解，以及它在视觉任务中的应用
• 在模型训练中遇到过哪些问题？如何解决？
• 如何评估一个广告推荐算法的效果？请给出你的方案