NLP/多模态/大模型 实习生

优缺点分析

角色解读

• 实习期间可深入了解大模型和多模态技术在工业界的实际应用，积累内容安全算法经验
• 表现优秀者可转正，从初级算法工程师逐步成长为资深算法专家或技术leader
• 可向计算机视觉、NLP、多模态等细分方向深入发展，或转向大模型预训练与微调等前沿领域
• 负责CV、NLP、多模态、大模型相关算法的研发，包括多模态分类、图像分类、文本分类等任务
• 参与算法和系统的迭代进化，将技术落地到小红书的业务场景，如笔记、评论、私信等内容的审核
• 面向内容理解技术的生态审核场景，优化审核效率和准确率，保障平台内容安全
• 熟悉大模型或多模态大模型，有相关项目或研究经验
• 熟练掌握TensorFlow、PyTorch等至少一种深度学习框架
• 具备优秀的编程能力，熟悉Python、C/C++、Java等语言，有扎实的数据结构和算法功底
• 具备优秀的问题解决和研究创新能力，有顶会论文或ACM竞赛经历者加分

申请策略

• 了解小红书的产品和内容生态，思考算法如何应用于审核场景，可在面试中展现业务理解
• 展示自己对技术的最新关注，比如关注AI顶会的最新论文或开源社区项目，体现学习热情
• 突出大模型、多模态相关的项目经验，包括模型结构、数据集、效果指标等
• 强调深度学习框架使用经验（TensorFlow/PyTorch），以及具体模型训练调优案例
• 如有顶会论文、ACM竞赛获奖或高影响力开源项目，务必重点展示
• 体现扎实的数据结构和算法功底，可列举LeetCode等刷题经历或在线测评成绩
• 提前熟悉大模型（如LLaMA、GPT）和多模态模型（如CLIP、BLIP）的原理与实现
• 补充内容安全/审核领域的背景知识，了解常见的文本分类、图像分类和视频分类方法

面试指南

• 使用STAR法则回答项目经验：情境、任务、行动、结果，突出个人贡献和量化成果
• 对于设计类问题，先澄清需求和数据情况，然后提出基线方案，再给出优化思路
• 对于开放性问题，结构化思考：问题定义、数据准备、模型选择、评估迭代、部署上线
• 介绍你在多模态或大模型相关项目中的具体工作和遇到的挑战
• 如何设计一个高效的多模态分类模型？请说明模型结构、训练策略和评估指标
• 在内容审核中，如何平衡模型准确率和召回率？
• 你熟悉的深度学习框架底层机制是什么？如何优化训练速度？
• 给你一个具体的审核场景（如私信聊天审核），你会如何构建算法方案？