算法实习生（J91550）

优缺点分析

角色解读

• 积累大模型训练和调优的实战经验，成为AI算法专家
• 从实习生转正为正式员工，深入参与核心业务算法研发，向高级算法工程师发展
• 在百度电商搜索场景中积累业务理解，未来可转向搜索/推荐/广告等方向的资深岗位
• 参与电商搜索场景的算法研发，包括基座训练、SFT、对齐等，提升搜索效果
• 跟进NLP、LLM、多模态、搜索推荐等前沿技术，并调研其可行性
• 结合产品需求将算法落地，如需求理解、智能问答、内容生成及召回排序优化
• 深入理解NLP/多模态/搜索/推荐等算法，熟悉主流大模型（GPT、LLaMA、GLM等）的原理和差异
• 具备百亿参数以上大模型训练调优的实际经验
• 熟练使用至少一种深度学习框架（PaddlePaddle、PyTorch、TensorFlow）和编程语言（C++、Python、Go）
• 良好的学习能力、创新思维和团队协作精神

申请策略

• 了解百度电商搜索的业务背景和挑战，在面试中展示业务思考
• 提前准备一个你参与过的与搜索/推荐/大模型相关的项目，能够清晰地讲出你的贡献和收获
• 突出NLP/LLM相关项目或科研经历，尤其是大模型训练调优经验
• 展示编程能力，如熟练使用PyTorch等框架，以及C++/Python/Go等语言
• 如果有顶会论文或开源贡献，务必列出
• 强调学习能力和自主性，可举例如快速学习新技术并应用
• 深入复习Transformer、BERT、GPT等模型原理，动手实现一个简化版大模型
• 熟悉PaddlePaddle或PyTorch分布式训练框架，尝试跑通一个千亿参数模型的训练流程

面试指南

• 项目经验用STAR法则：情境、任务、行动、结果，突出技术难点和你的贡献
• 模型对比问题从架构、训练数据、训练策略、适用场景等方面回答
• 手撕代码先明确思路，注意边界条件，再写代码，最后测试
• 请介绍一下你在NLP/大模型方面的项目经验，具体负责哪些模块？
• LLaMA和GPT的架构有什么区别？RLHF中的PPO算法如何实现？
• 如何解决大模型训练中的显存不足问题？请列举几种并行策略
• 手撕代码：给定一个字符串，找出最长无重复子串的长度
• 电商搜索中，如何将用户查询和商品标题进行匹配？请设计一个模型