百度
实习大模型应用/agent算法工程师（J101345）
北京市 · 实习 · 硕士
长期有效
任职要求
- -计算机、人工智能或者数学相关专业硕士及以上学历
- -具备优秀的工程实现能力和问题拆解能力，能独立推进端到端算法落地
- -熟练掌握 PyTorch 等深度学习框架，熟悉常用大模型训练库
- -熟悉大模型能力特点，了解大模型后训练、RAG、Agent、Deep Research等技术方向
- -深入理解 Transformer 架构及SFT/RLHF/DPO/PPO/GRPO等算法
- -对 AGI 技术有热情，乐于探索前沿、拥抱不确定性
- -在NeurIPS、ICML、ICLR、 ACL等顶会发表论文，或 Kaggle、ACM 竞赛获奖者优先
- -加分项：
- -有高质量开源项目、顶会论文或知名 AI 实验室研究经历
- -参与过对话系统、机器人决策等落地项目
岗位描述
【岗位职责】
-参与AI助手效果优化：优化通用问答效果，提升提升响应质量和用户满意度，涉及router分流策略、plan策略、检索rag策略、内容生成质量、工具调用/Deep Research skill效果优化等核心环节
-参与ai熟手各阶段模型训练，包括但不限于pretrain、SFT、 PPO、DPO、GRPO等
-探索大模型在复杂任务中的自主推理、工具调用与长期规划能力，结合 RL 提升智能体决策水平
-策略设计与迭代：参与建立AI助手效果评估体系，基于数据分析驱动策略迭代，形成"评估-优化-验证"的闭环机制
-跟踪并复现国际顶级会议在 LLM 领域的最新进展
【任职要求】
-计算机、人工智能或者数学相关专业硕士及以上学历
-具备优秀的工程实现能力和问题拆解能力，能独立推进端到端算法落地
-熟练掌握 PyTorch 等深度学习框架，熟悉常用大模型训练库
-熟悉大模型能力特点，了解大模型后训练、RAG、Agent、Deep Research等技术方向
-深入理解 Transformer 架构及SFT/RLHF/DPO/PPO/GRPO等算法
-对 AGI 技术有热情，乐于探索前沿、拥抱不确定性
-在NeurIPS、ICML、ICLR、 ACL等顶会发表论文，或 Kaggle、ACM 竞赛获奖者优先
-加分项：
-有高质量开源项目、顶会论文或知名 AI 实验室研究经历
-参与过对话系统、机器人决策等落地项目
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。