AI Agent算法实习生

优缺点分析

角色解读

• 实习结束后可转正为正式研究员或算法工程师，继续深入Agent方向
• 未来可向高级算法专家、技术负责人方向发展，或转向产品化落地
• 积累顶会论文发表经验，提升学术影响力
• 优化小爱同学在导航出行和本地生活场景中的任务完成率与响应速度，提升用户体验
• 探索和实现前沿的AI Agent技术，包括Harness优化、评估器优化、Agentic模型精调等
• 参与Agent驱动模型的研发，涉及数据合成、预训练、SFT和RL等技术路径
• 扎实的计算机科学基础，尤其是机器学习和自然语言处理方向
• 对大模型和AI Agent有深入理解和实际项目经验
• 具备优秀的问题解决能力和团队协作能力，能够独立开展研究

申请策略

• 关注小米AI实验室的公开论文和技术博客，了解团队技术方向
• 准备一个与Agent相关的技术分享或Demo，展示思考深度
• 突出AI Agent相关项目经历，包括具体方法、实验结果和影响
• 强调顶会论文发表经历，展示研究能力
• 体现解决复杂问题的案例，尤其是多人协作的工程项目
• 补充强化学习（RL）和SFT方面的实践经验
• 熟悉数据合成和模型精调工具，如DeepSpeed、LoRA等
• 了解小爱同学的业务场景，提前思考优化方向

面试指南

• STAR法则：描述情境、任务、行动和结果
• 技术对比：先解释两个概念，再举例说明适用场景
• 问题解决：从分析原因入手，提出假设，验证，迭代
• 请介绍一个你参与过的AI Agent项目，包括技术难点和解决方案
• 你如何评估Agent模型的效果？有哪些优化方法？
• 解释SFT和RL在Agent训练中的作用，以及它们的优缺点
• 如何处理数据稀疏问题？请设计一个数据合成方案
• 如果小爱同学在导航场景中任务完成率低，你会如何排查和优化？