AgiBot logo
智元机器人
全模态基础模型实习生

全模态基础模型实习生

发布于 2 小时前

实习/见习

AI 估算 · 5.0–8.0千 · AI 参考估算
无经验要求
硕士
实习生仅现场办公AI算法
AI算法
Cuda
Deepspeed
Megatron
Pytorch
分布式训练
多模态大模型
数据清洗

值不值得投

69综合评分

综合评分 69

顶尖AI实验室实习、前沿全模态技术栈、高成长潜力、高强度挑战

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

7.0千

比AI算法中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 1640 个在招 · 其中AI算法 2 个

市场机会

选择面较广

上海 · AI算法 · 约 140 个在招

职位详情

关于这个职位

智元机器人招聘全模态基础模型实习生,涵盖算法、数据与Infra三个方向

主要参与多模态大模型的架构研究、训练实验、数据处理链路建设及分布式训练系统优化
适合对前沿AI技术有热情、具备扎实编程与深度学习基础的在读硕博学生

最低要求

计算机、人工智能、电子信息、数学等相关专业在读硕士或博士生,具备扎实的编程与算法基础,熟练掌握 Python,熟悉 Linux 开发环境

具备机器学习与深度学习基础,熟悉 PyTorch,了解大模型训练原理,具备独立设计实验、分析结果并清晰表达的能力
在文本、视觉、语音、视频中至少一个方向有课程项目、科研或实习实践,了解多模态表示、跨模态对齐或融合方法,具备论文阅读与复现能力
在以下方向之一具备相应基础:算法方向——能够实现和修改模型结构、损失函数及训练流程
数据方向——了解数据清洗去重、质量评估及大规模离线数据处理,能分析数据偏差与质量问题
Infra 方向——熟悉分布式训练原理,了解 Megatron、FSDP 或 DeepSpeed 等框架中的至少一种,了解 CUDA、Triton 或 NCCL 等基础
责任心强,学习与沟通能力出色,能够与算法、数据、工程团队高效协作

工作职责

算法方向

参与全模态基模架构与表示方法研究,包括视觉与音频编码、离散或连续模态表示、共享骨干与模态专用组件,以及生成端建模与解码
参与预训练与后训练实验,研究多模态训练目标、分阶段训练与优化策略,开展模型规模、数据规模与计算预算的对照实验,结合损失曲线、梯度和数值异常分析收敛问题
数据方向
参与文本、图像、语音和视频数据的清洗、精确与近似去重、质量评分及样本筛选算法研发,处理语音切分、视频采样、时间戳与字幕匹配等跨模态对齐问题,评估图文语义一致性及音视频时序一致性
参与合成数据与标注迭代流程建设,与算法同学共同设计数据配比、采样策略与消融实验,分析数据对各模态能力的贡献,维护数据来源、血缘与版本记录以支撑实验复现
Infra 方向
参与多机多卡训练系统建设,实现并验证数据、张量、流水线等并行策略,通过性能分析定位并优化通信、算子与显存瓶颈,以有效吞吐、扩展效率和单位训练成本衡量收益,验证数值正确性
参与高吞吐多模态数据读取链路(解码、变长批处理、序列打包、缓存与预取)及训练可靠性机制建设,包括断点保存与恢复、故障检测、日志追踪和数值异常定位,改进训练平台的可观测性

优先资格

有多模态预训练、持续预训练或全模态基模训练相关经验

有大规模预训练数据建设、音视频对齐、多语言数据或合成数据项目经验
有多机多卡训练、训练性能优化、训练容错或集群调度经验
有高质量论文、开源贡献、高质量数据集或可验证的训练成果,或相关竞赛优异成绩

AI 洞察

优缺点分析

优点

  • 接触行业最前沿的全模态大模型技术,技术栈极具竞争力
  • 在头部具身智能公司实习,简历含金量高
  • 有机会参与底层基础设施搭建,视野开阔
  • 技术门槛极高,需要极强的自学能力和理论基础
  • 工作节奏快,对实验复现和问题排查能力要求严苛
  • 对AI前沿技术充满热情、具备极强自驱力、数理基础扎实且希望在顶级科技公司深耕技术的在读硕博研究生

缺点 / 挑战

  • 竞争压力大,需产出高质量成果

角色解读

  • 从实习生成长为全模态大模型领域的算法工程师或研究员,未来可向多模态架构师、AI基础设施专家或高级算法科学家方向发展
  • 深入参与全模态基础模型的核心研发,包括模型架构设计、预训练/后训练实验优化、大规模多模态数据处理链路构建以及分布式训练基础设施的性能调优
  • 扎实的Python编程与Linux环境操作能力
  • 精通PyTorch及深度学习原理
  • 掌握至少一个模态(文本/视觉/语音/视频)的专业知识
  • 熟悉分布式训练框架(如Megatron/DeepSpeed)或大规模数据处理技术

申请策略

  • 准备一份详细的技术作品集或GitHub链接
  • 面试前深入研究智元机器人的最新技术动态和多模态大模型的前沿论文
  • 突出与多模态相关的科研项目或实习经历
  • 详细列出掌握的深度学习框架及工具链
  • 展示在论文复现、开源贡献或竞赛中的具体成果
  • 强化PyTorch源码理解及分布式训练原理
  • 学习Megatron-LM或DeepSpeed等主流训练框架的使用
  • 提升大规模数据处理的工程实践能力

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目经历
  • 结合理论原理与工程实践,展示对底层机制的理解
  • 强调问题解决的具体步骤和技术选型依据
  • 请介绍你最近复现的一篇多模态大模型论文,并说明你的改进点
  • 在分布式训练中,如何定位和解决显存溢出或通信瓶颈问题?
  • 如何处理大规模多模态数据中的噪声和对齐问题?
  • 请解释一下Cross-Attention在多模态融合中的作用及其优化方案
  • 复习深度学习基础理论及常见网络结构

职位点评

薪资福利65
成长发展95
工作生活40
使命价值85

薪资福利

65中等

作为B轮独角兽公司的实习岗位,薪资虽非顶级大厂水平,但考虑到其技术成长性和行业前景,整体补偿处于市场中上水平,符合高潜人才实习标准。

薪资信号未披露(AI估算:5.0–8.0千/月)

成长发展

95较高

该职位提供极高的技术成长空间,直接参与全模态大模型这一前沿领域的核心研发,技术栈先进,导师资源优质,职业发展潜力巨大。

技术前沿前沿/新兴技术
技术栈全模态基础模型、PyTorch、Megatron、DeepSpeed、CUDA、分布式训练、多模态对齐
业务类型profit_center

工作生活

40较低

研发类实习岗位通常工作强度较大,需投入大量时间进行实验调试和代码优化,WLB相对一般,更适合追求技术突破而非生活平衡的求职者。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

85较高

投身于具身智能与通用人工智能的前沿探索,致力于推动AI技术在物理世界的应用,具有显著的行业创新价值和社会意义。

行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新(行业首创)
Watch Jobs