微信-统一理解和生成的多模态多语言大模型研究

上海 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

基本条件
1、计算机科学、人工智能、电子信息、统计学等相关专业，本科及以上学历（优秀硕士或博士）；
2、对多模态大模型、视觉-语言模型、生成式 AI 等方向有浓厚兴趣，具备扎实的深度学习理论基础；
3、熟练掌握 Python，熟悉 PyTorch 或 JAX 等主流深度学习框架；
4、具备良好的科研素养，能够独立阅读和复现顶会论文。
优先条件（具备以下任一者优先考虑）
1、在 NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、ACL、EMNLP 等顶级学术会议或期刊发表过论文；
2、有多模态模型（如 LLaVA、Flamingo、DALL-E、Stable Diffusion、Sora、QwenImage 等）复现或改进经验；
3、参与过大规模预训练项目（百亿参数及以上），熟悉分布式训练框架（如 Megatron-LM、DeepSpeed、verl）；
4、有图像/视频生成、视觉问答（VQA）、图文检索等方向的项目经验；
5、熟悉 RLHF、DPO、GRPO、OPD 等后训练技术在多模态场景下的应用。

岗位描述

【岗位职责】

随着人工智能技术的快速发展，多模态大模型已成为当前学术界与工业界的核心研究方向之一。本课题依托海量的图文等多模态数据资源与业务场景，聚焦于构建能够在统一框架下同时完成多模态理解与生成任务的大模型。

研究目标涵盖以下核心方向：

1、统一架构设计：探索将图像、文本多种模态在统一的模型架构下进行联合建模，打破理解与生成任务之间的割裂，实现端到端的多模态能力融合。
2、多模态理解：研究跨模态语义对齐、细粒度视觉-语言理解、多模态推理等关键技术，提升模型对复杂场景的认知、问答、翻译能力。
3、多模态生成：探索高质量图像及多模态内容的生成技术，包括文生图、图文互生等方向，满足微信生态多模态翻译场景需求（包括端到端图片翻译、游戏图片翻译、多语言图片编辑等）。
4、大规模高效后训练：研究适用于超大规模数据的后训练RL算法，以及参数高效的微调方法（如 LoRA、Adapter 等），支撑模型在实际产品中的快速落地。

【任职要求】

基本条件

1、计算机科学、人工智能、电子信息、统计学等相关专业，本科及以上学历（优秀硕士或博士）；
2、对多模态大模型、视觉-语言模型、生成式 AI 等方向有浓厚兴趣，具备扎实的深度学习理论基础；
3、熟练掌握 Python，熟悉 PyTorch 或 JAX 等主流深度学习框架；
4、具备良好的科研素养，能够独立阅读和复现顶会论文。

优先条件（具备以下任一者优先考虑）

1、在 NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、ACL、EMNLP 等顶级学术会议或期刊发表过论文；
2、有多模态模型（如 LLaVA、Flamingo、DALL-E、Stable Diffusion、Sora、QwenImage 等）复现或改进经验；
3、参与过大规模预训练项目（百亿参数及以上），熟悉分布式训练框架（如 Megatron-LM、DeepSpeed、verl）；
4、有图像/视频生成、视觉问答（VQA）、图文检索等方向的项目经验；
5、熟悉 RLHF、DPO、GRPO、OPD 等后训练技术在多模态场景下的应用。

【技术方向】

多模态、视觉、语音

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →