计算机视觉及多模态算法实习生（J101313）

优缺点分析

角色解读

• 从实习生转正为正式算法工程师，参与核心项目研发
• 深入多模态大模型领域，成为技术专家或团队骨干
• 积累大模型落地经验，未来可向AI产品经理或技术负责人方向发展
• 调研并实现前沿的多模态大模型算法，包括训练、微调和效果优化
• 开发文档处理分析技术，如OCR文字识别、文档结构化
• 将大模型落地到实际业务场景，如信息抽取、图表解析
• 与团队协作，进行模型评估和性能提升，解决开发中的技术挑战
• 扎实的计算机视觉和多模态理论基础，熟悉至少一个方向（如图像分类、目标检测、OCR等）
• 熟练使用PyTorch或PaddlePaddle等深度学习框架，具备较强的编程能力
• 有竞赛（Kaggle、AIStudio等）或顶会论文经历者优先，体现实践能力
• 熟悉LLM训推流程，了解大模型在业务中的落地方法

申请策略

• 在简历中强调可到岗时间和实习时长，满足4个月以上要求
• 了解百度视觉技术部的主要业务，面试时表现出对公司技术方向的兴趣
• 突出计算机视觉或多模态相关的项目经历，如人脸识别、OCR系统等
• 重点展示PyTorch/PaddlePaddle使用经验和代码能力，可附GitHub链接
• 若有竞赛获奖或顶会论文，需放在显眼位置
• 简述对LLM或大模型的理解和实践，体现前沿技术跟进能力
• 深入学习Transformer架构和常见多模态模型（如CLIP、BLIP等）
• 熟悉百度PaddlePaddle框架，可以提前学习其官方教程

面试指南

• 用STAR法则（情境、任务、行动、结果）组织项目经历回答
• 对于技术问题，先说明原理，再结合实际经验，最后总结优化方向
• 请介绍一下你做过的一个计算机视觉项目，包括技术选型和难点
• 你如何理解多模态大模型？能说出几种常见的架构吗？
• 如何优化OCR模型的精度？你有哪些经验？
• 在PyTorch中，如何实现自定义数据加载器和模型训练？
• 你对我们部门的业务有什么了解？为什么要选择百度？
• 复习CV和NLP基础，重点掌握图像分类、目标检测、OCR等常用算法