校招 未知部门 / 算法 / 一面

<h2>腾讯CSIG——多模态大模型算法岗 校招一面</h2> <p><em>来源为牛客付费专栏，以下仅收录公开可见内容，付费部分未收录。</em></p> <ol> <li>多模态系统中的文档解析流程是怎样的？一份同时包含正文、表格和示意图的文档，你怎么解析？</li> <li>视觉大模型中，早融合、中融合和晚融合分别适合什么场景？</li> <li>将纯视觉模型改造成视觉语言模型，哪些模块必须重新设计？</li> <li>多模态模型接入视觉模块后，为什么纯文本能力可能下降？怎么缓解？</li> <li>动态分辨率输入中的AnyRes机制如何工作？为什么不能无限增加切片数量？</li> <li>高分辨率图片切片后，如何避免跨切片目标被截断导致识别失败？</li> <li>为什么视觉token压缩不能只做平均池化？</li> <li>Q-Former、MLP Projector和Cross-Attention Resampler的差异是什么？</li> <li>多模态</li> </ol>