阿里巴巴
POI算法实习生
POI算法实习生
发布于 2 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Langgraph
Llm
Nlp
Prompt Engineering
Rag
大模型训练
值不值得投
69综合评分
综合评分 69
前沿LLM/Agent技术栈，高德核心业务场景，高成长潜力，但工作强度可能较大
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
1.0千
比AI算法中位数低
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 4440 个在招 · 其中AI算法 2 个
市场机会
选择不多
北京 · AI算法 · 10 个在招
职位详情
关于这个职位
该职位是阿里巴巴高德地图POI智能化团队的算法实习生岗位，主要利用LLM和Agent技术优化POI数据的自动化生产与智能决策流程
候选人需负责构建Agent基础服务平台及NLP/LLM核心算法能力，探索大模型在复杂场景下的推理与应用，提升数据生产效率与用户体验
最低要求
熟悉 NLP 的各种任务建模，并且有丰富的实践经验，包含但不仅限于切词、NER、语言模型、事件检测与要素抽取、分类等
深入理解 Transformer 架构及主流 LLM（如 Qwen, Llama 等）的原理与应用
熟悉主流Agent框架（如LangGraph，Hermes Agent，AgentScope，Anthropic Agent等），熟练掌握session、memory、rag、prompting、cache、tool using、skill和mcp等技术
有LLM训练经验和分布式应用经验
有技术洞察力，精益求精，有产品意识，优秀的问题分析解决能力，对挑战充满激情
工作职责
基于 LLM/Agent 的自主规划、执行、反思与协同能力，构建面向数据生产与智能决策的下一代技术链路，推动从信息理解、自动挖掘、质量校验到闭环更新的全流程智能化，提升POI数据生产效率、用户交互体验
负责 Agent 基础服务平台建设，探索自主规划、任务分解、工具调用、结果验证和闭环执行等关键能力
负责 NLP/LLM 相关基础算法能力建设，包括文本理解、信息抽取、纠错、质量评估、生成与融合等核心能力
探索 LLM 在复杂场景下的零样本、少样本学习与推理能力，提升算法在开放任务中的泛化效果与落地效率
参与智能语音交互、端侧 Agent、设备协同 Agent、多模态安全识别、Agent攻防等前沿方向的研发与应用
优先资格
有机器人智能语音外呼、移动设备agent、智能决策和审核agent经验者优先
在 ACL、EMNLP、NAACL、COLING、WWW、CIKM、ICML、KDD、NeurIPS 等相关国际会议上有文献发表优先
AI 洞察
优缺点分析
优点
- 接触行业最前沿的LLM和Agent技术，技术栈极具竞争力
- 依托高德地图海量真实业务场景，数据丰富且落地价值高
- 阿里大厂平台背书，简历含金量高，利于未来职业发展
- 技术要求极高，需同时掌握NLP、LLM、Agent框架及工程落地能力
- 业务场景复杂，需处理开放任务中的泛化与鲁棒性问题
- 适合对LLM和Agent技术有浓厚兴趣、具备扎实NLP基础和一定工程能力的计算机相关专业在校生或应届毕业生
缺点 / 挑战
- 团队使命明确，致力于数字化还原真实世界，具有技术挑战性
- 竞争激烈，对候选人的科研背景或项目经验要求较高
- 大厂实习可能面临较高的绩效压力和快节奏工作环境
角色解读
- 向高级AI算法工程师发展，深耕大模型与Agent领域的前沿技术
- 转向AI产品经理或技术负责人，主导智能化数据平台的产品设计与落地
- 进入学术界或顶尖实验室，从事LLM/Agent相关的深度研究与创新
- 构建基于LLM和Agent的智能系统，用于POI数据的自动化生产、挖掘和质量校验
- 开发Agent基础服务平台，实现自主规划、工具调用和闭环执行等核心功能
- 优化NLP/LLM算法，提升文本理解、信息抽取及生成融合能力
- 探索大模型在零样本/少样本学习及复杂场景下的推理与泛化能力
- 扎实的NLP理论基础与实践经验，熟悉Transformer架构及主流LLM原理
- 精通Agent框架（如LangGraph）及相关技术栈（RAG, Prompting, Tool Using等）
- 具备LLM训练及分布式应用开发经验
- 优秀的算法问题解决能力及一定的产品意识
申请策略
- 提前了解高德地图POI业务痛点，思考AI技术如何赋能
- 准备详细的项目案例，清晰阐述技术选型、难点攻克及成果量化
- 展现对新技术的热情和学习能力，强调解决问题的逻辑思维
- 突出LLM/NLP相关的项目经历，特别是涉及Agent框架、RAG、Prompt Engineering的实践
- 强调在Transformer架构理解、模型训练及分布式部署方面的具体技能
- 如有顶会论文发表或相关竞赛获奖经历，务必重点展示
- 体现对POI或地图数据业务的理解，以及解决实际问题的能力
- 深入学习LangGraph、AutoGen等主流Agent框架的使用与原理
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答项目经历
- 技术深度：从原理层面解释算法选择的原因，对比不同方案的优劣
- 业务结合：将技术方案与POI数据质量、用户体验等业务目标关联
- 反思总结：展示对项目中不足之处的思考及改进方案
- 请详细介绍你使用过的LLM或Agent框架，以及在项目中如何解决具体问题的？
- 你是如何实现Agent的工具调用、记忆管理和任务规划的？
- 在RAG系统中，如何处理检索噪声和提升回答准确性？
- 请谈谈你对Transformer架构的理解，以及它在LLM中的应用
职位点评
薪资福利70
成长发展95
工作生活40
使命价值80
薪资福利
70中等
大厂实习津贴通常高于市场平均水平，且福利体系完善，但实习岗位薪资上限有限，主要优势在于平台背书而非高额现金回报。
薪资信号未披露（AI估算：0.4–0.6千/月）
成长发展
95较高
该职位直接涉及LLM和Agent等最前沿技术，技术栈极具前瞻性，且在高德核心业务场景中落地，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、NLP、Transformer、LangGraph、RAG、Prompting、Tool Using
业务类型profit_center
工作生活
40较低
互联网大厂实习通常节奏较快，工作压力较大，JD中未提及弹性工作或WLB相关福利，推测为标准高强度工作模式。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
团队使命是通过技术手段数字化还原真实世界，提升用户出行体验，具有明确的社会价值和业务影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号数字化还原真实世界POI、保障POI数据的时效性、正确性和完备性、作为高德用户信息获取、交易履约和出行体验的基础
创新程度开拓性创新（行业首创）
Watch Jobs