百度
校招大连-智能体算法工程师(J101095)
大连市 · 校招 · 2027 届 · 本科
长期有效
任职要求
- -本科及以上学历，包含但不限于计算机、信息工程、人工智能、软件工程、电子工程、统计学、应用数学等相关专业
- -深入理解 ReAct、CoT、Plan-and-Execute 等主流 Agent 原理，熟练使用 PyTorch、LangChain、AutoGen等框架，具备 Agent 系统从算法设计到工程落地的完整能力
- -深入理解大模型技术原理，追踪大模型、智能体、强化学习等领域前沿技术，具备快速将学术成果落地为商业化产品的实战能力
- -业务理解力强，自驱力突出，沟通表达清晰，具备良好的跨团队协作能力
- -有智能体产品从早期搭建经历，顶级会议论文（CVPR/ACL/ICML等），ACM、IOI、IMO等竞赛获奖，知名开源项目核心贡献者优先
岗位描述
【岗位职责】
-负责大模型智能体（Agent）系统全链路设计与开发，搭建具备自主规划、复杂推理、动态决策能力的智能体架构，推动智能体在实际业务场景的规模化落地
-主导智能体核心算法研发与迭代优化，深耕意图理解、多步任务规划、工具调用、长短期记忆管理、多智能体协同等核心模块，持续提升任务完成准确率与系统鲁棒性
-搭建多维度智能体评估体系，建立效果、效率、资源成本一体化量化指标，驱动产品与算法持续迭代与自进化
-推进基于智能体驱动的业务创新，挖掘并孵化高价值应用场景，实现从技术验证到产品落地的闭环，构建差异化业务模式与增长飞轮
【任职要求】
-本科及以上学历，包含但不限于计算机、信息工程、人工智能、软件工程、电子工程、统计学、应用数学等相关专业
-深入理解 ReAct、CoT、Plan-and-Execute 等主流 Agent 原理，熟练使用 PyTorch、LangChain、AutoGen等框架，具备 Agent 系统从算法设计到工程落地的完整能力
-深入理解大模型技术原理，追踪大模型、智能体、强化学习等领域前沿技术，具备快速将学术成果落地为商业化产品的实战能力
-业务理解力强，自驱力突出，沟通表达清晰，具备良好的跨团队协作能力
-有智能体产品从早期搭建经历，顶级会议论文（CVPR/ACL/ICML等），ACM、IOI、IMO等竞赛获奖，知名开源项目核心贡献者优先
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。