滴滴语音方向算法实习生招聘：工作城市：北京岗位职责（具体工作内容）：1、参与超大规模语音数据治理：参与数亿级语音数据的自动化清洗、质量评估与元信息挖掘（如语种、信道、噪声等）；2、大规模声纹建模：协助训练与优化千万级ID的声纹识别（Speaker Recognition）模型，提升大规模场景下的识别准确率与鲁棒性；3、语音预训练探索：参与自监督/半监督语音表征学习（如WavLM、Whisper-style等）的预训练实验与调优；4、语音大模型垂类适配：基于通用语音大模型（如Whisper、MMS、VALL-E、SpeechGPT等），开展以下属性感知微调与对齐：声纹特征解耦与表征学习情感识别性别与年龄属性预测方言/口音识别与适配任职资格：1、计算机、人工智能、电子信息、声学或相关专业硕士及以上在读（2026年及以后毕业）2、精通Python，熟悉 PyTorch，具备大规模数据处理经验3、熟悉语音基础技术：声纹嵌入（x-vector, ECAPA-TDNN）、情感特征（eGeMAPS, IS13）、方言识别或属性分类模型4、了解自监督预训练语音模型（如 Wav2Vec 2.0、Whisper、MMS）或语音大模型基本架构5、每周可实习 ≥4天，持续 ≥3个月加分项：1、有声纹/情感/方言相关项目或竞赛经验（如VoxCeleb、IEMOCAP、DF2022等）2、熟悉多任务学习、解耦表征、提示微调（Prompt Tuning）或LoRA等大模型适配技术3、掌握音视频处理工具链（FFmpeg, librosa, torchaudio, Kaldi）4、在 INTERSPEECH / ICASSP / ACL / EMNLP 等会议发表过相关工作简历投递：邮箱 xuetaolve@didiglobal.comPS：流程贼快，急需人，面试要求不高

1.实习介绍2. Lora 原理(核心是低秩分解:将原始权重更新近似为两个低秩矩阵乘积，减少参数量，保留主导方向，训练高效)3.了解 DeepSpeed 吗，ZeRO -1, ZeRO -2和 ZeRO3分别做了哪些优化(1优化优化器状态，2优化梯度，3切分参数，全面节省显存)4. Qwen的模型结构是怎么样的，相比于 LLaMA,DeepSeek 有什么区别(Qwen采用GQA+SwiGLU+RMSNorm，和LLaMA架构非常相似，差异在训练数据和tokenizer中文支持更好;DeepSeek只用MoE/MLA架构，Qwen系列主要是Dense模型)5.怎么缓解大模型的幻觉问题(RAG，RLHF对齐，事实监督)6.大模型的 MoE 结构相比于 Dense 结构训练的难点在什么地方，DeepSeekMoE为什么效果好，有什么值得我们借鉴创新点(MoE面临负载不均衡、训练不稳定问题;DeepSeekMoE通过细粒度专家和共享专家设计提升稳定性和效果)7.知道FP16和BF16有什么区别吗，包括FP32和INT8这些，在训练大模型的时候，应该怎么选择(FP16精度高但易溢出，BF16动态范围大;训练常用BF16混合精度，推理用INT8量化加速)8.讲-下 RLHF 的流程，写-下 PPO和 DPO的 Loss表达式(训练奖励模型后用PPO/DPO优化策略:PPO Loss: policy ratio + KL 约束/ DPO Loss: logit preference diff + sigmoid binary loss)9.对于超长上下文业界一般是怎么做的，你知道 Qwen是怎么做的吗(业界常用ROPE 变体/滑动窗口注意力/稀疏注意力等:Qwen使用YaRN和窗口注意力扩展上下文)10.开放题:你觉得目前大模型的上限在哪里(推理能力、长期记忆、具身交互和能耗效率，需要架构创新和多模态融合突破)11.代码:152.乘积最大子数组

1.实习介绍2.展开讲一下在百度实习的工作3.实习工作具体是如何做的？4.具体探索过程是怎样的？5.想法是如何逐步优化的？6.介绍一下你了解的其他基于 MoE 的模型架构7.如果基于 MoE 的模型在训练时负载均衡不好怎么办？8.讲一下负载均衡的概念9.如何解决负载均衡问题？10.讲一下 DPO、PPO、GRPO 的区别11.如果在训练 DPO 的过程中，正例和负例的 loss 都在下降，该如何解决？12.讲一下 RAG 项目的亮点13.如果召回的答案不是想要的，该怎么处理？14.算法题：求根节点到叶节点数字之和（LeetCode 129，非 Hot100）

1. 实习介绍2. 看了今年哪些生成式推荐论文，答onerec了3. 然后聊了半小时onerec，重点在多模态tokenizer和语义id4. 拷打简历项目(infonce的温度系数作用，faiss ANN索引，正负样本，特征工程，推理测评指标等)5. RoPE和ALiBi两种相对位置编码的原理6. SwiGLU原理，比relu好在哪7. attention常规八股(根号dk，时间复杂度，为什么要分多头)8. 用过哪些大模型微调方式，LoRA微调原理9. 了解模型蒸馏吗10. 了解目前主流多模态模型吗，扩散模型公式怎么推导的11. 手撕: lc53 最大子数组和改为求出这个子数组