腾讯
校招混元多模态-大模型数据挖掘与合成技术研究
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 学历和专业要求：来自计算机、人工智能、数据科学、统计学等相关专业的博士/优秀硕士同学。
- 技术技能要求：扎实的深度学习基础，熟练掌握PyTorch、transformers等主流框架；熟悉大模型训练与数据处理流程，有相关实践经验和相关top论文，有分布式计算框架（如Ray）经验者优先。
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：高质量数据已成为决定图片视频生成模型（如对标业界领先水平级别）与多模态大模型上限的核心壁垒。本课题致力于构建自动化、高精度的多模态数据挖掘与合成体系，解决大模型训练的数据瓶颈。
课题挑战：1. 自动化挖掘与标注：如何利用现有大模型，面向生图生视频、编辑、参考等生成任务，在无人干预的情况下实现海量图片视频数据的挖掘、标注与校验，进行高效的数据清洗、去重与分布优化。2. 数据合成：针对难获取数据、长尾数据等，通过数据合成技术实现数据的高效补充。3. 探索数据科学前沿，从以数据为中心的角度，定义新任务，并设计数据方案。4. 探索基于Agent的自动化、智能化数据管线。
具体工作：大模型数据挖掘与合成技术研究与数据管线搭建。
【任职要求】
学历和专业要求：来自计算机、人工智能、数据科学、统计学等相关专业的博士/优秀硕士同学。
技术技能要求：扎实的深度学习基础，熟练掌握PyTorch、transformers等主流框架；熟悉大模型训练与数据处理流程，有相关实践经验和相关top论文，有分布式计算框架（如Ray）经验者优先。
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【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。