百度
实习Coding Agent策略算法实习生（J96208）
北京市 · 实习 · 硕士
长期有效
任职要求
- - 计算机、软件工程、人工智能、自动化等相关专业在读本科或研究生。
- - 具备扎实的计算机基础，对算法、数据结构、操作系统或软件工程有良好理解。
- - 至少熟练掌握一门编程语言（如 Python、C++、Java、Go 等）。
- - 对大语言模型、智能体（Agent）、自动代码生成等方向有强烈兴趣。
- - 理解或接触过以下方向之一者优先：智能体决策与策略设计、强化学习或基于规则的决策系统、提示工程、多轮对话策略、模型评测与效果分析
- - 思维严谨，具备较强的分析和问题拆解能力，有良好的沟通能力和团队协作意识，能主动推动问题解决，对前沿技术保持持续学习热情，愿意深入理解复杂系统的运行机制。
岗位描述
【岗位职责】
- - 参与智能编码 Agent 的整体策略架构设计，包括任务拆解策略、工具选择策略、上下文管理策略、多轮交互决策策略等。
- - 协助构建基于规则、模型推理或混合策略的 Agent 决策流程，提升代码生成的准确性、稳定性与可控性。
- - 对 Coding Agent 在真实开发场景中的行为进行分析建模，如代码生成路径、工具调用顺序、错误恢复策略等。
- - 通过数据分析和实验对比，持续优化 Agent 的决策逻辑与执行效果。
- - 探索基于大模型的策略学习方法，包括提示工程、上下文压缩、状态表示、策略选择与反馈优化机制。
- - 参与设计轻量级策略模型或规则系统，与大模型协同工作，降低推理成本、提升响应效率。
- - 参与构建 Coding Agent 的评测指标和实验框架，如任务完成率、代码可用性、修复轮次、开发效率提升等。
- - 设计和执行策略消融实验、对照实验，形成可复用的评测结论。
- - 与工程、产品团队协作，将策略算法落地到实际编码工具或开发平台中。
- - 参与 Agent 相关模块的工程实现、接口设计与系统联调，推动策略能力在真实业务中的应用。
【任职要求】
- - 计算机、软件工程、人工智能、自动化等相关专业在读本科或研究生。
- - 具备扎实的计算机基础，对算法、数据结构、操作系统或软件工程有良好理解。
- - 至少熟练掌握一门编程语言（如 Python、C++、Java、Go 等）。
- - 对大语言模型、智能体（Agent）、自动代码生成等方向有强烈兴趣。
- - 理解或接触过以下方向之一者优先：智能体决策与策略设计、强化学习或基于规则的决策系统、提示工程、多轮对话策略、模型评测与效果分析
- - 思维严谨，具备较强的分析和问题拆解能力，有良好的沟通能力和团队协作意识，能主动推动问题解决，对前沿技术保持持续学习热情，愿意深入理解复杂系统的运行机制。
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。