【校园大使】网宿科技校园大使正在招募中

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#

bg：双非本华五硕，一篇ccfa一作，非一作若干（ccf a~c);论文非热门方向目前想转推广搜，但是没有相关经验；最近过了虾皮二面，小红书也在推进。想问问大家是否值得去实习(虾皮实习含金量咋样，算一个中厂经历吗）？还是说继续沉淀？

百度是我拿到的第一个大厂offer，现在回想这一路真的来之不易。在面百度之前我已经摸爬滚打两个月，毫无准备挂了鹅，二面惜败小红书，Java底层掌握不牢被快手面试官拷打，11.18投递的时候我以为这个岗位会像之前百度投递的一样，简历筛选两周之后挂掉，但是过了三天就发现初筛过了，这时候我觉得希望来了。投递一周后果然约了面试，约了时间之后才发现那个时间段有小测，给hr发了好几个邮件后没有回应，只好跟老师临时调整了一下。面试问的第一个八股就是快速失败，然而我完全没听过，一面完我心想快速失败的不是并发修改的集合而是我的面试，面试的节目效果爆炸。结果一面稀里糊涂过了，然后约二面，约在晚上七点，我想着我六点下班骑车回去应该够了，结果那天上班没拔钥匙，当我下班意识到的时候，我以为车要丢了，面试也要完了，晚高峰堵车根本赶不上，结果下楼发现车还在，甚至电车显示屏还是亮的……然后二面也是问的不寻常，都不是常规八股，包装的实习也被发现有方案漏洞，全靠临场发挥，最后面试官说基础还行，实际经验不足，唉。接着周末去文殊院跟考研的朋友一起烧香，虽然我之前不信这些玄学的东西，但是也算给自己和朋友一个祝福和安慰吧。之后的半个多月一直没有消息，我已经默认没希望了。之后京东也是一波三折，先被京东工业挂，周末又被零售捞，面零售的时候第一次被俩人一起拷打，八股都答了但是线上排查oom细节确实忘了，又被打上了经验不足的标签。第二天早上就挂了零售。然后准备周三的考试，结果就周三晚上来了北京的电话，京东工业又复活了，进入hr面，心情像是坐过山车一样，跌宕起伏。接着第二天抽空面了喜马拉雅FM。周五正在等京东hr面的时候，又来了北京的电话，没想到竟然是半个多月前面的百度，并且直接跳过了hr面试给了口头offer。下午京东面试完打电话催了一下，沟通之后还是挂了，在牛客上看到了前面有大佬放弃了offer所以才捞我的，并且捞了不止一个人，没办法，排序挂。最终安心等到了百度正式offer，第一份大厂实习，感谢度子收留。未来可期😭😭希望大家也能找到自己满意的offer

1、自我介绍2、项目介绍3、用了哪些微调方式4、Lora的原理讲一下5、RAG讲一下？6、RAG召回策略（多路召回）7、用过哪些RAG的实现？8、GRAG了解吗？9、讲一下重排序10、讲一下你的研究方向吧11、研究内容里transformer在网络里什么作用12、简历里的视觉项目讲讲有什么难点吗？13、最近刷算法了吗？（没有），那链表、数组、二叉树自己选一个，给你一道简单的。第一道判断链表是否有环（牛客平台这道选不了java），然后又给我换了一道有序链表删除重复元素14、反问公司应该是没打算自己做一些模型训练任务，反问中感觉还是偏做RAG应用的。#算法##大模型算法工程师##面经#