简历投递能早别晚，开了就投 BATM流程挂了不必气馁，很大可能会被捞的毁美团实习offer不会被拉黑，秋招还是会约面 京东技术面几乎不手撕，感觉是大厂里最水的，但hr面刷人的概率很高 没能去鹅实习的话，秋招就很难被鹅约面了 阿里系真的卡学历，同部门实习生全是23所硕士实习面试的时候不要说只能呆三个月，要说半年 秋招不要拿到一个满意的意向就停，offer数量多多益善，会影响签字费的数量 Java选手可以投go，完全不影响 秋招互联网开奖的时间越来越晚了，考虑期短的只有两天，可能会出现错开的情况 sp和白菜天壤之别，别只看BAT，头部白菜未必比二线厂sp好 不要给华子留空白三方，签了别的也一样能有...

最近收到了牛客管理员的联系，说我之前分享的面试经验给大家提供了很大的帮助，让我再回来分享点求职的内容，就又把牛客下载回来了。首先还是很感谢大家喜欢我分享的经验，四五年的时间内一直有不间断的人向我提问，由于找到了满意的工作，已经把软件卸载了就没有看到，实在不好意思。工作五年对我的改变还是挺大的，中间经历了磨练跳槽升职转岗很多的环节，现在我也是有50w年薪的管理层了可能这些经历对于大牛来讲很不值一提，但对于绝大部分还在校招求职的大家来说也可能还有那么一点帮助的。从管理层的角色讲，尤其是国企性质的公司对大家的技术能力要求并没有那么高，更看重的是大家的综合能力和工作态度，你是否是一个合格的螺丝钉才是公司更看重的部分，一个人能力再强，除非强到突破天花板，并不能对公司产生太大的影响，但一个人是否有足够的表达能力，沟通能力，合作能力才是公司更看重的。现在的就业形势真的太差了，找工作难真的不是大家的问题，跟师弟师妹聊了聊天，发现现在的就业难度比我们当时难了不知多少倍，学历贬值已经是不可逆的时代洪流。在帮师弟师妹找工作的时候意外接触到了一些比较偏门的增加实习经历，增加项目经历的方式，虽然对大佬来讲可能不屑一顾，但对于普通学生尤其是那些没有工作经验，没有项目经历，没有奖学金的“三无”学生有非常大的帮助。这件事更加让我感受到人与人的差距可能并不体现在能力上，可能信息差才是决定性因素，如果当年的我知道应该也不用那么辛苦了吧。就当是一时兴起，能帮几个帮几个吧，可能过几天又卸载了，大佬就不用联系我了，信我， 你们用不上。 #春招#   #面试#    #秋招#   #简历#  #实习# 巴巴#牛客AI配图神器#  #如果公司降薪，你会跳槽吗？#

面向2026届硕士/博士毕业生团队介绍：Data-电商基建团队，负责电商场景下的各种基础模型的研发与创新工作。职位描述：1、多模态大模型算法研发：负责电商场景下，图文，图视频，音频，OCR，口播等多个模态的预训练和对齐，产出多模态大模型的统一底座，用于电商治理场景所有多模态需求使用。2、基础算法研发：负责CV/多模态相关模型优化和迭代，视频预训练，视频标签体系建设，视频多模态语义识别，多模态表征学习，embedding等，用于包含视频意图理解、视频商品类目、同款/相似商品识别、图文意图判断等电商任务。3、梳理&沉淀算法库，抽象算法接口，最大化提高算法/预训练模型的复用率，同时优化数据采集&模型训练&部署&推理的流程，提升研发效率。职位要求：1、 有过大模型业务实习经历优先，熟悉大模型/多模态大模型工作优先，包括但不限于internvl， llava系列， deepseekvl等等等；2、在多媒体和计算机视觉某个领域有较深入的研究，包括但不限于：图像搜索、图像/视频分类和识别、目标检测、图文多模态模型、和视频文本多模态模型、视频预训练、视频语义标签等；3、有视频理解多模态大模型方面经验者最优先，有CV/多模态大模型相关项目经验优先；研发&优化电商视频&商品多模态大模型，结合LLM和视频/商品表征，支持视频多模态分类，视频QA，跨模态检索，商品分类等任务，显著超越线上模型；4、有较强的实践能力，在Kaggle，COCO，ImageNet，ActivityNet等比赛获奖者优先；5、扎实的深度学习技术基础，了解前沿的AI技术，有顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先。有转正机会，有兴趣可私聊或发送简历到zhangxuezhong@bytedance.com#字节# #实习# #多模态大模型招聘#

小红书推荐算法组招聘实习生参与如下方向的技术研究和落地工作，感兴趣的同学可以发简历到yindi@xiaohongshu.com。  1.   重排算法：基于序列生成与模型评估的两阶段排序框架，从精排候选集中产生最终的展示序列，在确保推荐多样性的情况下最大化整页效率。  2.   混排算法：探索如何将业务目标不同的社区笔记（for时长）、电商笔记（for成交）、广告笔记（for营收）进行统一混排，取得多方共赢的结果。涉及技术点包括Listwise建模、生成模型、强化学习、运筹优化等。由于重排、混排在业界还没有固定范式，有很大创新机会，鼓励实习期间有论文产出。