算法工程师实习生

优缺点分析

角色解读

• 实习期间积累大模型工程经验，可转向算法工程师或AI研究员
• 表现优异有机会转正，成为小米AI团队正式员工
• 未来可在工业智能化、AI for Science等方向深入发展
• 参与大模型在工业场景的落地，包括时序大模型和LLM的微调与推理优化
• 探索前沿AI技术如COT推理，并应用于工业预警和诊断系统
• 与团队协作，持续迭代模型效果，提升工业智能的准确性
• 扎实的机器学习和算法基础，了解推荐系统或常见ML模型
• 熟悉大模型（LLM）和时序模型的基本原理，有相关项目经验更佳
• 具备良好的编程能力（Python），能快速实现和调优算法

申请策略

• 关注小米AI实验室的研究方向，在面试中展现对该领域的理解
• 准备一个完整的项目案例，从问题定义到模型落地的过程
• 突出大模型或时序模型相关的项目经验，例如微调LLM、时序预测等
• 展示机器学习竞赛或论文成果，体现算法功底
• 强调编程能力（Python、PyTorch等）和数据处理经验
• 熟悉主流大模型（如DeepSeek、Qwen）的微调方法和推理优化
• 补充时序模型知识（如Timer、TimesFM）和工业场景建模
• 提升业务理解和跨团队协作能力

面试指南

• 用STAR法则描述项目：情境、任务、行动、结果
• 先分析问题背景，再给出技术方案，最后总结效果和反思
• 结合具体场景说明技术选型的原因，展示对业务的理解
• 请介绍你做过的大模型优化或微调项目
• 时序模型在工业场景中可能遇到哪些挑战？如何解决？
• 如何评估一个工业预警模型的效果？
• 你对COT推理的理解是什么？
• 为什么选择小米工业智能方向？