影石创新
AI算法实习生（振动与力学方向）
AI算法实习生（振动与力学方向）
发布于 2 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Llm
Pytorch
Tensorflow
力学建模
多Agent编排
深度学习
值不值得投
72综合评分
综合评分 72
前沿 LLM/Agent 技术栈、真实业务落地场景，成长性强但薪资福利与工作模式信息未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
7.0千
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 110 个在招
市场机会
选择面较广
深圳 · 机器学习工程 · 约 110 个在招
职位详情
关于这个职位
该实习岗位隶属影石创新的算法团队，主要负责部门业务场景下的 Agent 搭建与多 Agent 编排、异构计算资源智能调度、智能体平台优化，以及力学模型训练优化
适合对大模型应用与智能体系统有浓厚兴趣、具备扎实深度学习基础的硕士在读同学
最低要求
人工智能、计算机、软件工程、自动化、电子信息工程、通信工程、机械工程、航空航天工程、船舶、车辆工程等专业，硕士以上学历
熟悉 LLM、Harness 相关原理，熟练使用主流 Agent 工具
了解经典机器学习算法（SVM），及深度学习模型（如 CNN、RNN、Transformer 等），熟悉主流深度学习框架（如 PyTorch、TensorFlow、Keras 等）
有较强的学习能力、沟通能力和团队协作精神
工作职责
负责部门业务场景 Agent 搭建和多 Agent 编排设计
负责部门异构计算资源智能调度设计
负责部门智能体平台优化
负责部门力学模型训练优化
优先资格
加分项：
网络安全、分布式系统优化相关经验者优先
有 Agent 设计及多 Agent 编排及魔改经验者优先
有实际 LLM 和 Agent 相关项目经验者优先
熟练使用 Dify 等编排工具者优先
AI 洞察
优缺点分析
优点
- 场景真实：背靠智能影像硬件业务，Agent 与力学模型都有明确落地场景，而不是纯做 Demo
- 交叉复合：同时接触 AI 算法与力学/振动建模，容易形成差异化的个人竞争力
- 要求跨度较大：既要懂 LLM/Agent 原理，又要理解力学模型，需要较快的跨领域学习能力
- 资源调度与平台优化偏底层工程，短期看不到明显成果，需要较强的系统思维和耐心
- 适合硕士在读、对大模型应用与智能体系统有热情、并愿意在「AI + 力学/工程」交叉领域长期积累的同学
缺点 / 挑战
- 技术栈前沿：直接参与 LLM、多 Agent 编排等当下热点方向，项目经历在简历上含金量较高
角色解读
- 深耕 LLM 应用与 Agent 系统方向，未来可成长为 AI 应用工程师或智能体平台工程师
- 结合振动与力学的行业 know-how，走向「AI + 工程仿真/信号处理」的交叉技术路线
- 实习表现优秀有机会争取转正，进入算法团队继续深耕智能体或模型训练方向
- 围绕部门真实业务场景，搭建单 Agent 应用并设计多 Agent 的协作与编排方案，打通工具调用与任务流转
- 参与异构计算资源的智能调度设计，让不同算力资源在训练与推理任务间更高效地分配
- 对部门智能体平台做性能与易用性优化，沉淀可复用的 Agent 能力与工程组件
- 面向振动与力学方向，参与力学模型的数据处理、训练与调优工作
- LLM 与 Agent 原理：理解大模型推理、工具调用与 Harness 机制，能熟练使用主流 Agent 框架与编排工具
- 深度学习基础：掌握 CNN、RNN、Transformer 等模型结构，能熟练使用 PyTorch/TensorFlow/Keras 做训练与调优
- 工程落地能力：能把算法方案实现为可运行、可维护的服务或平台模块
- 交叉学科背景与软素质：计算机、自动化、机械、力学等相关专业背景，较强的学习能力与团队沟通能力
申请策略
- 提前了解影石的产品线与 AI 落地场景（如影像防抖、运动分析等），面试时能自然对上业务语境
- JD 未写明实习时长与到岗要求，沟通时主动确认每周到岗天数、实习周期与转正可能性
- 重点写清 LLM/Agent 项目：你在其中承担的编排设计、工具调用方案和可量化的效果指标
- 展示深度学习工程能力：PyTorch/TensorFlow 的训练调优经验、模型规模与数据处理流程
- 把力学、振动、信号处理相关课程或课题单列，作为区别于纯算法候选人的差异化亮点
- 若有分布式系统、资源调度或网络安全经验，即使不是主线也建议单独列出，对应 JD 的加分项
- 快速补齐 Agent 框架实操：动手用 Dify、LangGraph 或 AutoGen 搭一个可运行的多 Agent demo
- 了解 LLM 服务化与评测：熟悉 RAG、推理加速、效果评测等基本概念与工具
面试指南
- 项目类问题用「背景—方案—取舍—结果」四段式回答，尽量给出可量化的效果对比
- 原理类问题先讲直觉和适用场景，再补公式细节，并主动说明边界条件与局限
- 设计类问题先澄清需求与约束，给出两个方案做对比，最后说明选型理由与风险
- 请介绍一个你做过的大模型或 Agent 项目，多 Agent 之间是如何分工、通信和纠错的？
- 你会如何评估一个 Agent 系统的效果？有哪些指标，遇到过哪些失败案例？
- 讲一讲 Transformer 的结构和你理解的自注意力机制，训练中做过哪些优化？
- 如果让你设计异构计算资源的智能调度方案，你会考虑哪些约束和目标？
- 你的力学/振动背景可以怎样与 LLM、Agent 结合起来解决实际业务问题？
职位点评
薪资福利55
成长发展88
工作生活60
使命价值72
薪资福利
55较低
职位描述未披露实习津贴与福利信息，补偿性回报难以判断；该岗位的价值更多体现在技术积累与履历加成上。
薪资信号未披露（AI估算：5.0–8.0千/月）
成长发展
88较高
工作内容直接围绕 LLM、Agent 编排与智能体平台展开，技术方向新、实践性强，对技术成长和履历提升帮助明显。
技术前沿前沿/新兴技术
技术栈LLM、Agent、多Agent编排、Harness、Transformer、CNN、RNN、SVM、PyTorch、TensorFlow、Keras、Dify、分布式系统优化、异构计算调度
业务类型ambiguous
工作生活
60中等
职位描述未提及办公模式、弹性工时或加班情况，作息与通勤相关信息不足，难以评估工作生活平衡。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
72中等
所处方向为 LLM 应用与智能影像硬件，属于技术迭代较快的赛道，但职位描述未提及明确的使命或社会价值表述，意义上更多来自技术探索本身。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs