多模态

路过的大佬们给点建议吧，有用的建议一定会采纳的，目标是CV/多模态算法岗！！！

工作职责：1、对小红书多模态搜索业务场景效果进行优化，包括搜索算法和策略的调研、设计、开发、评估等环节，提升用户体验；2、发现并解决多模态搜索场景中在查询分析、排序模型、内容质量，时效性等方向的问题；3、跟进业内多模态搜索相关模型和算法的前沿进展，将多模态大模型等最新技术在实际业务中进行合理应用；任职要求：了解最新 视觉 / nlp / 多模态 / 大模型 算法前沿，具备优秀的编程能力和经验，熟悉Python、C/C++、Java等编程语言，具有扎实的数据结构和算法功底；加分项：具备优秀的研究和创新能力，在顶会顶刊上发表过论文者优先；参加过acm竞赛者优先；团队介绍：小红书社区搜索团队负责小红书搜索效果的优化和前沿技术的探索，致力于打造中国最大的生活搜索引擎!团队利用最先进的生成式大模型、问答对话、多模态、大规模 CTR 预估、海量 ANN 索引、流式机器学习框架等技术,通过优化 Query 分析、内容理解、召回排序相关性、预估等方向，为海量用户提供精准、快捷智能化、个性化的搜索体验。同时小红书也是多模态搜索业务应用的绝佳场景，团队方向包括但不限于超大规模图像检索、视频理解、文搜图、多模态AI生成式搜索等；我们期待具有探索精神的你加入我们，并肩面对挑战性拉满的新一代搜索引擎优化任务!本次招聘岗位为日常算法实习生，HC不限，欢迎大家联系；地点上海、杭州、北京均可~联系方式：chengchen7@xiaohongshu.com

  还得是老铁，不枉我看了那么多虎哥和刀哥。让我一个智驾牛马也能蹭上互联网了。祝愿其他牛U也都收offer。一二面代码题：用最少的箭射穿气球（对区间的第二个端点排序）。用篮子摘树上的水果（简单滑窗）八股：Transformer结构，为什么用LN，LN和BN区别开放性问题：对于我的某个目标检测项目，如果想要拓展一个产品功能，提升泛化性，还要做什么工作才能提升？对生成模型了解吗（VAE，diffusion简单说两句优缺点即可，我其实也不懂细节）和我项目有关的：SAM，CLIP的特殊创新优点，YOLO系列讲两句，DETR系列

筋斗云转普通批，面评全部拉满，希望能开个大点的            

10.23一面1. 深挖简历/项目相关，看对简历中的内容提及的知识的掌握程度。具体到我，面试官说在自己上学的时候听说过我的研究方向但不了解，所以比较感兴趣，所以问了问研究方向的基础知识。实习经历，主要在问商业化相关的，比如指标提升，数据集数据量，做的过程中遇到什么问题，怎么解决的？2. 手撕一道简单的算法题，求最长01交替子串的长度。做的时候写错了面试官会提醒，很nice，并且会交流思路。过样例即可，面试官会看你的思路是否正确。反问：公司/部门的业务具体是什么？技术路径是什么？面试官说不是有道词典的部门，算网易互联网的中台，为有道词典和其他一些业务提供能力。目前有一个QAnything（？疑似，没听清）大模型发布。另外感觉面试官非常着急，在3:30准时结束，赶着下一场不知道是不是kpi面求面过网易同岗位/同部门的uu分享经验，感谢

现在有两个地方看起来比较合适，一个是去做业务场景落地，比如大模型应用到业务上，微调，agent这些；一个是去做基础技术，比如大模型 KV cache 等等优化，针对多模态场景的 KV cache 等等。两个平台都不错，图片上就是第二个。我的情况是，博士读书期间主要做科研，写论文，做的是多模态算法，改改网络结构，发发论文这些。感觉很多师兄师姐都是去做业务场景落地，不过工作可能也比较偏数据处理，业务调优等等。好处就是这个岗位需求大，跳槽也容易。坏处就是卷。。。基础技术研发感觉比较偏底层，做 kv 复用，kv检索等等，里面研究员，博士比较多。这个岗位好处是技术比较深，坏处可能需求量少，做模型基础平台技术不需要太多人请问大家这两个应该怎么选呢        

交流信：邀请文档数据处理与大模型训练领域的顶尖人才我们正在积极寻找在文档数据解析、清洗、开源工具优化以及大模型训练领域具备深厚专长的人才！一、接触工作事项1. 文档数据解析与清洗：负责各类文档（包括但不限于 PDF、TXT、MD、PNG 等）的数据解析和清洗，确保信息的准确提取。2. 开源工具的熟练应用与优化：深入了解并优化开源数据处理工具，掌握其在行业中的应用原则和最佳实践。3.大模型训练支持：参与大规模模型训练，为亿级数据提供技术支持和解决方案。4.行业动态的关注与分享：持续关注文档解析与数据清洗的最新技术动态，能够独立解决或优化数据处理全链路的关键节点。二、人才要求•拥有多模态、NLP、CV、AI 等相关领域的专业背景，CVPR/AAAI等会议多篇者优先，经验不限，硕博及行业大牛优先。• 精通大模型训练与文档数据处理的结合，熟练掌握 OCR、数据清洗等开源工具的使用及其优化。•具备出色的团队协作和沟通能力。如果您符合以上条件，并对加入我们团队感兴趣，可私信我~💼公司岗位：多模态算法工程师/数据挖掘师💢工作强度：TEG 10 9 5🫶️团队氛围：非常活跃，拒绝pua👨🏻‍💻工作环境：腾讯楼都非常好看❤️职场感受：大佬特别多，欢迎交流💰薪资待遇：互联网顶薪，基准最高薪，面议📅oc时间线：牛人简历2-3周，其他通过初筛1个月-2个月🕒岗位/面试时间：初筛3天内发邮件/电联🤔笔试感受：牛人大咖可准备业界调研ppt (加分加薪项）              

通义校招-算法工程师-多模态团队介绍：达摩院-基础视觉智能团队，在图像、视频、多模态方面的学术研究与产业落地均有丰富的积累，团队成员在CVPR/ICCV/ECCV/NeurIPS/ICML/ICLR/TPAMI/TIP等顶级会议/期刊发表多篇论文，在CVPR/ICCV等举办的Classifcation, Detection, Segmentation, Captioning, VQA，Video Understanding等任务获得多项世界冠军。方向：多模态大模型，利用大规模图文等多模态数据训练多模态预训练大模型，应用于多种视觉或多模态下游任务，如图像分类、图文检索、VQA问答、文本生成图像、视频生成、多模态对话等。要求：应届毕业硕博生；1. 有较强动手能力，熟练使用pytorch等深度学习工具；2. 曾在相关顶会发表高水平学术论文优先；3. 具备创新性解决问题的能力。感兴趣的请投递简历：lingchen.zlm@alibaba-inc.com          

某9研0，老师首先让选方向，选择有：视频编码，偏cv的多模态，多任务，三维重建，语义通信，压缩感知，点云等。老师是做视频流出身的，将来想冲一冲算法岗，这几个方向哪些未来发展比较好，求大佬给些建议。      

全程不问基础知识，不问简历，开放性问题探讨，总时长1.5h。问：看你做的是vqa，那么请你发散性说一下如果针对一个视频怎么做vqa答：抽帧采样，时间序列拼接token...问：视频，语音，文本怎么多模态融合答：cross attention问：不用attention实现融合答：3D卷积问：transformer里不用attention实现融合答：misture of experts问：视频前后帧怎么融合bulabulabula，每一个方案都要从输入开始描述每一步处理过程，他会一点点给你提这个方案现有的问题，如何解决，就算答不会了面试官也会继续说他的观点让你补充，后面基本全程懵逼，智商被碾压。最...

北京右脑科技  薪资350-400/天公司介绍：国内领先的AIGC公司，发布LensGoAI、Vega AI2款百万用户级AI产品，先后获得奇绩创坛、光速中国、真格基金 3轮一线CV数干万融资。右脑创始团队成员均毕业于北京大学，是NUWA女娲、智源悟道等多模态预训练大模型的核心成员，具备微软亚洲研究院、商汤研究院、智源研究院等国内顶尖AI研究背景，拥有业内前沿的图像视频生成的研究和落地经验，数篇成果发表于NeurlPS、ECCV、ACM MM等顶会。算法实习生（数字人方向）【职位描述】1. 参与数字人算法开发，包括口型驱动，audio2motion等数字人驱动算法研究；2. 参与数字人应用开发，包括文本、语音、数字人、视频等多个模态的算法开发；3. 利用深度学习技术算法优化数字人口型驱动效果。【职位要求】1. 有语音合成、多模态生成、2D、3D数字人/虚拟人相关项目经验；2. 熟悉唇形合成、语音驱动动作、换装、语音克隆等数字人相关算法；3. 熟悉wav2lip等口型合成模型、声音克隆模型；4. 有数字人、Diffusion Models等生成式AI项目经验者优先。         

招聘职位：多模态感知算法工程师（实习，可转正）公司：蔚来汽车(北京)/自动驾驶感知部门工作内容：自动驾驶场景下多模态感知算法和数据标注的研发工作，包含 模型研发/数据闭环 等方面岗位要求：1. python/c++编程能力良好；2.深度学习基础知识扎实；3.对至少一种深度学习训练框架熟悉；4.对主流自动驾驶感知算法有深入理解；岗位优势：拥有充足的计算资源、海量的数据和领域内的专家指导；工作地址：北京市海淀区科学院南路2号融科资讯中心A座薪资：本科400/天，硕士450/天，博士600/天可将简历投递至邮箱：ziyu.xiong@nio.comHC多多～            #

北大系ai公司，同步招运营实习生！       

4月15日，突然被加微信问意向，然后给了些GPT大模型相关资料让看一下，说是做文本动作生成基础大模型的，让构思一下，准备好随时找他面试。

⼯作地点：上海、北京 联系⽅式：wangbo4@sensetime.com💼公司岗位多模态⼤模型算法实习⽣-数据⼯程⽅向1. 负责多模态⼤模型GUIAgent的数据构造2. 参与搭建GUIAgent的数据建造管线，⾼效的给多模态模型提供⼤量⾼质量数据3. 参与模型调优，数据迭代，优化多模态⼤模型在GUIAgent领域的效果任职要求1. 计算机基础相关专业，熟悉操作系统，计算机⽹络等，计算机基础扎实。2. 有良好的python代码能⼒，熟练掌握python3. 了解多模态或者LLM等相关经验，有⼀定实际的摸索，熟悉pytorch4. 有较强的论⽂阅读能⼒、信息收集和整理能⼒，有良好的沟通能⼒和团队协作能⼒。加分项1. 熟悉android和web开发2. 熟练掌握C/C++3. 具有完整或者⼤型的⼯程项⽬经验4. 有较强的钻研精神，对部分语⾔、系统、算法有深刻的探索和理解5. GPA优秀，有强烈⾃我驱动⼒    

多模态/自然语言处理/计算机视觉 算法实习生岗位职责1. 开发与部署深度学习、图像视频文本理解、多模态融合、大规模特征检索、内容质量评价、电商内容理解等方向先进算法，达到业界领先的性能指标；2. 负责计算机视觉和自然语言处理相关算法研发，面向但不限于：多模态分类、细粒度分类、文本匹配、属性识别、目标检测、分割、Metric Learning、质量评价等等； 时刻follow与探索前沿技术；（以上方向擅长一个即可）3. 负责相关算法和系统的持续迭代和进化； 同时能够深入小红书丰富的业务场景，结合实际需求进行技术落地和创新。4. 完成算法的快速实现以及大规模工业化部署，参与创新性算法的研究以及开发...

职位描述 1、负责电商短视频和直播的视频分类、多模态内容挖掘、多模态内容理解，优化电商购物体验； 2、负责电商场景cv、nlp等基础算法优化迭代 3、探索LLM、MLLM大模型前沿技术，负责整体算法和系统的迭代和进化。 职位要求 1、在cv或nlp某个领域有较深入的研究，包括但不限于：图像/视频分类和识别、文本理解和生成、图神经网络、多模态、无监督和自监督学习等，有LLM或者MLLM相关经验者优先； 2、熟悉TensorFlow / PyTorch / MXNet其中一种或多种框架模型的训练和部署，了解混合精度训练、分布式训练等训练加速方法； 3、有较强的实践能力，在Kaggle，COCO，I...