百度
实习大语言基座模型训练研究员 / 工程师（J100664）
北京市 · 实习 · 硕士
长期有效
任职要求
- -计算机、数学、统计或相关专业硕士及以上学历，顶尖实验室/基座模型团队背景优先
- -有长上下文中训练、代码模型（SWE-bench/repo-level）或 Agent trajectory 数据训练经验者优先
- -有大模型预训练或 Mid-training 实际经历，能清楚描述数据来源、训练目标与评测指标
- -有顶会论文（NeurIPS、ICML、ICLR、ACL 等）、开源大模型核心贡献或模型技术报告经历者优先
- -对 base model 能力边界、中训练与 post-training 差异有清晰理解
- -熟悉主流分布式训练框架（Megatron、DeepSpeed、FSDP），理解 TP/PP/DP/Sequence Parallel 等并行策略
岗位描述
【岗位职责】
-参与大语言模型预训练或中训练（Mid-training），推动 base model 核心能力演进
-开展长上下文（32K–256K+）、代码、数学、Agent 等专项能力中训练，构造合成/交互轨迹数据
-负责训练数据的清洗、配比与质量评估，设计并迭代数据 recipe
-设计并优化训练 recipe，包括训练目标、学习率策略、batch size、sequence length 等核心超参
-定位和解决训练稳定性问题，如 loss spike、梯度异常、数据污染、短能力回退等
-负责模型 checkpoint 分析、能力评测与训练 ablation，驱动训练效果持续提升
【任职要求】
-计算机、数学、统计或相关专业硕士及以上学历，顶尖实验室/基座模型团队背景优先
-有长上下文中训练、代码模型（SWE-bench/repo-level）或 Agent trajectory 数据训练经验者优先
-有大模型预训练或 Mid-training 实际经历，能清楚描述数据来源、训练目标与评测指标
-有顶会论文（NeurIPS、ICML、ICLR、ACL 等）、开源大模型核心贡献或模型技术报告经历者优先
-对 base model 能力边界、中训练与 post-training 差异有清晰理解
-熟悉主流分布式训练框架（Megatron、DeepSpeed、FSDP），理解 TP/PP/DP/Sequence Parallel 等并行策略
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 后端开发 岗位的常见面试问题整理
请解释 RESTful API 的设计原则，并举一个你实际设计过的例子
查看答题思路
1. 资源导向：URL 表示资源而非操作 2. HTTP 方法语义：GET/POST/PUT/DELETE 对应查增改删 3. 无状态：每个请求包含全部所需信息 4. 统一接口：一致的响应格式（如 JSON） 5. 举例：用户模块 /users/{id}，GET 查/POST 创/PUT 改/DELETE 删，返回统一 {code, data, message}
MySQL 索引的底层数据结构是什么？为什么用 B+ 树而不是哈希表或红黑树
查看答题思路
1. B+ 树：非叶子节点只存 key 不存 data，单次 IO 读更多 key 2. 叶子节点形成有序链表，支持范围查询（哈希表不支持范围） 3. 高度低（3-4 层可存千万级数据），减少磁盘 IO 4. 对比红黑树：B+ 树是多叉的，高度更低，磁盘 IO 更少
你参与过的最复杂的后端项目是什么，你承担了什么角色
查看答题思路
1. 项目背景：一句话说清业务场景 2. 技术栈：语言/框架/数据库/中间件 3. 个人职责：你做的，不是团队做的——用「我设计了」「我优化了」 4. 难点：遇到了什么具体问题，怎么解决的 5. 数据佐证：QPS 从多少提到多少 / 延迟降了多少
什么是微服务架构，和单体架构相比各有什么优劣
查看答题思路
1. 单体：所有功能在一个进程，部署简单，初期开发快；缺点是耦合高、扩展难 2. 微服务：按业务拆分独立服务，独立部署/扩展/技术栈 3. 优点：故障隔离、团队自治、技术栈灵活 4. 缺点：网络开销、分布式事务、运维复杂度 5. 判断标准：团队<10 人或业务不复杂时，单体是更好的选择
如何设计一个高并发的秒杀系统
查看答题思路
1. 前端限流：按钮置灰、验证码 2. 网关层：Nginx 限流 + 负载均衡 3. 业务层：Redis 预减库存（原子操作），消息队列异步下单 4. 数据库：乐观锁扣库存，读写分离 5. 降级方案：流量过大时返回「已售罄」而非崩溃
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。