【LongCat大模型人才校招】多模态文档理解算法专家

优缺点分析

角色解读

• 在美团大模型团队积累文档智能的核心经验，成为多模态领域专家
• 有机会发表顶会论文，推动学术成果转化，提升行业影响力
• 未来可向大模型算法架构师或技术负责人方向发展
• 负责百亿级文档数据的解析与处理，包括版面检测、元素识别和结构化提取
• 研发业界领先的多模态文档解析大模型，跟踪前沿技术并落地
• 主导预训练长文数据全链路闭环，包括数据处理、价值判定和实验
• 扎实的深度学习与机器学习基础，熟练使用PyTorch框架
• 有LLM/VLM训练和微调实战经验，熟悉文档AI或OCR技术
• 了解多模态大模型如LLaVA、Qwen-VL，有顶会论文或开源贡献优先

申请策略

• 提前了解美团龙猫大模型的产品方向，在面试中结合业务场景展示思考
• 准备好一个完整的多模态项目介绍，包括背景、方案、结果和反思
• 突出大模型训练或微调的项目经验，尤其是多模态或OCR相关
• 强调顶会论文或开源贡献，体现研究能力
• 展示数据处理的工程能力，如大规模数据清洗、管道搭建等
• 深入复习Transformer、ViT、多模态对齐等基础理论
• 动手实践LLaVA或Qwen-VL的微调，熟悉文档解析工具

面试指南

• STAR法则：描述背景(Situation)、任务(Task)、行动(Action)、结果(Result)，突出技术难点和量化成果
• 技术对比：先讨论现有方法的优缺点，再提出自己的改进思路，体现深度思考
• 结合业务：将技术方案与美团的本地生活场景（如菜单识别、票据解析）联系起来
• 请详细介绍一下你在多模态大模型训练中的具体工作
• 如何处理百亿级文档数据中的复杂版面？有哪些挑战和解决方案？
• 你如何评估预训练数据质量？有哪些数据清洗或价值判定的方法？
• Transformer在文档理解中的应用有哪些局限？如何改进？
• 如果让你设计一个多模态文档解析模型，你会选择什么架构？为什么？