腾讯
校招元宝-基于多模态大模型的搜索关键技术研究
北京 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1、来自计算机、人工智能、自动化、电子信息或数学等相关专业的博士/硕士同学。在多模态大模型（VLM）、大语言模型（LLM）或视觉推理等领域有深厚学术背景或顶会（CVPR、ECCV、ICLR、ACL、NeurIPS等）第一作者论文发表经历者优先；
- 2、掌握多模态表征、多模态理解、思维链（CoT）、强化学习（DPO/PPO）等算法及应用；熟练掌握计算机视觉和图像处理相关的基本算法及应用，精通 Python 语言，熟练掌握 PyTorch 等主流深度学习框架及大模型训练推理工具；
- 3、具备卓越的自驱动力与逻辑拆解能力，能够从复杂现象中提炼科学问题；沟通协作能力强，拥有极佳的学术视野，能快速研读并复现前沿论文，对探索通用人工智能（AGI）具有强烈的热情。
岗位描述
【岗位职责】
课题背景：
多模态搜索面临跨模态语义鸿沟、检索效率与精度失衡、多轮多模态交互记忆缺失等核心难题。亟需攻克多模态信息的统一表征、高效检索与全链路协同优化技术，突破现有搜索系统在多模态场景下的能力瓶颈，满足用户在复杂知识问答、跨模态内容溯源、个性化多模交互等场景的高满意度需求。
课题挑战：
- 1. 多模态统一表征与跨模态对齐
攻克多模态的统一表征技术，优化图像/语音/视频编码器与模态适配器的结构设计，结合持续预训练/后训练等策略，破解跨模态语义鸿沟难题；探索多模态信息的层级化表征机制，提升细粒度语义的对齐精度等。
- 2. 多模态生成式检索
突破基于大模型的多模态生成式检索技术，设计高效的生成式检索框架和算法，提升高质多模态内容的召回率与相关性、检索效率等；
- 3. 多模态搜索排序与多目标优化
探索多模态场景下的大模型排序（VLM Ranking）核心技术，融合多模态内容的语义特征、质量特征与用户偏好特征等，研究Reasoning Ranking、多模态特征融合排序等方向；构建“精度-效率-用户满意度”等多目标优化框架，提升排序结果的鲁棒性与综合适配性；
- 4. 多轮多模态交互与全链路协同
研究多轮对话中多模态历史信息的存储、检索与应用机制，实现用户个性化偏好的精准捕捉与动态适配；协同优化多模态查询改写、召回、排序、LLM总结全链路，解决各环节的任务对齐（Task Alignment）问题，提升多模态检索整体效果。
具体工作：
参与多模态Agent理解、跨模态表征、多模态检索能力和系统建设，突破现有搜索系统在多模态场景下的能力瓶颈，满足元宝用户在复杂知识问答、跨模态内容溯源、个性化多模交互等场景的高满意度需求。
【任职要求】
- 1、来自计算机、人工智能、自动化、电子信息或数学等相关专业的博士/硕士同学。在多模态大模型（VLM）、大语言模型（LLM）或视觉推理等领域有深厚学术背景或顶会（CVPR、ECCV、ICLR、ACL、NeurIPS等）第一作者论文发表经历者优先；
- 2、掌握多模态表征、多模态理解、思维链（CoT）、强化学习（DPO/PPO）等算法及应用；熟练掌握计算机视觉和图像处理相关的基本算法及应用，精通 Python 语言，熟练掌握 PyTorch 等主流深度学习框架及大模型训练推理工具；
- 3、具备卓越的自驱动力与逻辑拆解能力，能够从复杂现象中提炼科学问题；沟通协作能力强，拥有极佳的学术视野，能快速研读并复现前沿论文，对探索通用人工智能（AGI）具有强烈的热情。
【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
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）
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
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
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
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
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。