长鑫存储
多模态大模型算法实习生(J20097)
多模态大模型算法实习生(J20097)
发布于 大约 1 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Clip
Gpu优化
Prompt工程
Pytorch
Rlhf
Sft
Vit
多模态大模型
值不值得投
74综合评分
综合评分 74
前沿技术、学习机会极佳，但实习薪资未披露且需长期坐班，适合技术热忱的求职者。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
6K
比机器学习工程中位数低
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 1530 个在招 · 其中机器学习工程 17 个
市场机会
选择适中
合肥 · 机器学习工程 · 46 个在招
职位详情
关于这个职位
该岗位主要参与图像多模态大模型在半导体业务场景下的设计、开发与调优，涉及跨模态对齐、指令微调、SFT、RLHF及Prompt工程等关键环节，并负责多模态数据的管理与质量保障
适合对多模态大模型技术前沿有强烈兴趣、希望在工业场景中沉淀算法与工程能力的在校硕士生，实习期间可深度参与核心算法研发并获得学术产出机会
最低要求
任职要求:
学历要求：硕士研究生及以上学历在读
专业要求：计算机科学、机器学习等相关专业
其他要求：
能使用主流深度学习框架（如PyTorch等）完成多模态模型训练、微调与推理部署，具有GPU效率优化实践经验优先
熟悉Transformer、Attention、VIT、CLIP等基础模型架构，了解Qwen-VL、Intern-VL等多模态大模型算法者优先
具有细粒度图像识别、多模态学习或大规模预训练模型微调项目经验，发表过CVPR、ICCV等顶会论文或获得Kaggle竞赛奖者优先
每周至少到岗5个工作日，可连续实习5个月及以上
工作职责
工作职责:
模型开发与优化：主导图像多模态大模型在半导体业务场景下的设计、开发与调优，完成跨模态对齐、指令微调、SFT、RLHF及Prompt工程等关键环节，推动模型在业务场景中的性能提升
技术探索与方案输出：跟踪多模态大模型前沿方向，主导探索并输出系列算法与多模态大模型解决方案，推动半导体应用达到行业领先水平
数据管理与质量保障：主导多模态数据的采集、清洗、预处理及标注全流程，识别并解决数据质量问题，产出高可用训练数据集
学术产出与经验总结：主导撰写技术文档与研究技术报告，系统性提炼实验结论并提出改进建议，支撑团队知识积累与技术迭代
优先资格
优先资质：
具有GPU效率优化实践经验优先
了解Qwen-VL、Intern-VL等多模态大模型算法者优先
发表过CVPR、ICCV等顶会论文或获得Kaggle竞赛奖者优先
AI 洞察
优缺点分析
优点
- 技术前沿：多模态大模型是当前AI研究热点，岗位能接触SFT、RLHF等最先进的方法，技术成长空间大
- 业务场景独特：半导体行业与AI结合，应用场景稀缺，能积累行业Know-how，提升跨领域竞争力
- 公司平台好：长鑫存储是国内领先的存储芯片企业，规模大、资源充足，实习经历含金量高
- 学术产出机会：岗位明确要求撰写技术文档和研究报告，有机会产出会议论文或专利
- 实习期要求每周到岗5天且持续5个月以上，时间投入较大，可能与学校课程或科研冲突
- 工作涉及数据采集、清洗、标注等繁琐环节，需要耐心和细致，并非全部是纯算法建模
- 适合对多模态大模型技术有强烈兴趣、能保证长期全职实习、且希望在工业界真实场景中打磨技术的研究生，尤其适合有深度学习基础并希望积累大模型实战经验的同学
缺点 / 挑战
- 半导体业务场景复杂，模型落地面临工程化挑战，需要较强的抗压能力和解决实际问题的能力
角色解读
- 实习期间可深度参与核心算法研发，积累多模态大模型从数据到模型调优的全栈经验，为校招和后续职业发展奠定扎实基础
- 表现优秀者有机会获得转正推荐，进入半导体+AI交叉领域，成为既懂业务又懂算法的稀缺人才
- 未来可向算法工程师、多模态大模型专家或技术负责人方向发展，也可选择继续深造攻读博士
- 负责图像多模态大模型在半导体场景下的设计、开发与调优，包括跨模态对齐、指令微调、SFT、RLHF等环节，需要深入理解模型原理并动手实现
- 跟踪多模态大模型前沿技术，探索并输出算法解决方案，推动模型在半导体业务中落地并达到行业领先水平
- 主导多模态数据的采集、清洗、预处理和标注全流程，确保数据质量，并整理实验结论输出技术文档和研究报告
- 扎实的深度学习基础，熟练使用PyTorch等框架完成模型训练、微调和推理部署，具备GPU优化经验者更佳
- 熟悉Transformer、Attention、VIT、CLIP等模型架构，了解Qwen-VL、Intern-VL等主流多模态大模型
- 具备细粒度图像识别、多模态学习或大规模预训练模型微调的项目经验，有顶会论文或Kaggle奖牌是加分项
申请策略
- 在投递简历时，可附上一份关于多模态大模型在半导体场景应用的调研笔记，展现你的主动性和行业思考
- 面试中强调你的长期实习意愿和时间稳定性，表达对半导体+AI方向的热情
- 突出与多模态相关的项目经验，例如图像-文本匹配、视觉问答、多模态预训练等，并详细说明你的具体贡献和模型效果
- 强调使用PyTorch的工程能力，尤其是分布式训练、GPU效率优化、模型部署等实践细节
- 如果有顶会论文或高质量开源项目，务必放在显著位置，并简单描述你的研究亮点
- 突出数据处理的认真程度，例如数据清洗、标注质量控制等经历，这对岗位非常加分
- 提前熟悉主流多模态大模型如Qwen-VL、Intern-VL的代码库，了解它们的架构和训练流程
- 动手复现一篇多模态论文的消融实验，掌握SFT和RLHF的基本实现，可以利用HuggingFace TRL等框架
面试指南
- 回答技术问题时，采用“背景-方法-实验-结论”的结构，突出个人贡献和量化结果
- 针对场景设计题，先明确业务目标，再拆解数据、模型、评估等模块，给出合理的方案并说明权衡
- 遇到不熟悉的知识，坦诚说明，但可展示你的学习思路和探索方向
- 请谈谈你对多模态大模型的理解，目前主流模型（如Qwen-VL）的架构有哪些关键点？
- 你在模型微调时遇到过哪些困难？如何解决过拟合或灾难性遗忘问题？
- 如何设计一个多模态数据的清洗和标注流程？如何保证数据质量？
- 解释一下SFT和RLHF的区别，以及你如何选择适合的场景使用它们？
- 你了解GPU效率优化吗？介绍你使用过的加速技术（如混合精度、梯度累积等）
职位点评
薪资福利55
成长发展92
工作生活60
使命价值72
薪资福利
55较低
JD中未提及薪资和具体福利，实习薪资一般处于市场水平，无法确定优势，补偿性动机满足度有限。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
92较高
岗位直接参与多模态大模型前沿技术开发，涉及SFT、RLHF等关键环节，且鼓励学术产出，技能成长和职业发展价值极高。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformer、VIT、CLIP、SFT、RLHF、多模态大模型、GPU优化
业务类型ambiguous
工作生活
60中等
要求每周至少到岗5天、实习5个月以上，属于现场办公，未提及弹性或远程，生活便利性一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
72中等
半导体行业具有国家战略意义，多模态大模型在半导体场景的应用也具创新价值，但JD未明确使命导向，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
长鑫存储 的其他在招职位
相似职位推荐
Watch Jobs