百度
实习Agent算法实习生（J103893）
北京市 · 实习 · 不限
长期有效
任职要求
- -计算机、人工智能、运筹优化、应用数学、工业工程等相关专业在读
- -熟练使用 Python，能够独立完成数据处理、算法实现和工具集成
- -熟悉 LLM Agent、数学规划、约束规划或启发式算法中的至少一个方向
- -能够识别实际问题中的决策变量、硬约束、软约束和优化目标
- -具备较强的问题抽象、工程落地和沟通协作能力
- -重视结果的可执行性、可验证性和真实业务价值
岗位描述
【岗位职责】
-深入科研和产业场景，将复杂需求转化为可求解、可执行、可验证的优化任务
-构建 Agent 可调用的数据接口、求解器、仿真器、checker 和自动评测环境
-结合 Agent、MIP/CP/SAT 和启发式算法，完成优化原型及 PoC
-推动 Agent 自主完成问题分析、模型构建、算法生成、代码执行和结果迭代
-建立以可行性、解质量、运行效率、稳定性和业务 KPI 为核心的验证闭环
-将真实场景中的失败案例和有效策略沉淀为可复用的 Agent skill 与优化组件
【任职要求】
-计算机、人工智能、运筹优化、应用数学、工业工程等相关专业在读
-熟练使用 Python，能够独立完成数据处理、算法实现和工具集成
-熟悉 LLM Agent、数学规划、约束规划或启发式算法中的至少一个方向
-能够识别实际问题中的决策变量、硬约束、软约束和优化目标
-具备较强的问题抽象、工程落地和沟通协作能力
-重视结果的可执行性、可验证性和真实业务价值
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。