百度
Agent算法实习生（J104743）
Agent算法实习生（J104743）
发布于 大约 15 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
本科
机器学习工程
Coding Agent
Llm
Lora
Pytorch
Rerank
Sft
Tensorflow
搜索算法
AI 估算 · 0k–0k
职位详情
关于这个职位
作为百度搜索算法团队的实习生，你将深入参与搜索核心链路优化，包括召回、排序、相关性等方向
你将探索大模型（LLM）在搜索场景的应用，如Query理解、相关性判定等，并实践SFT/LoRA微调
同时，你将使用Coding Agent（如Claude Code）驱动算法迭代，提升工作效率
这是一个接触前沿技术、积累实战经验的绝佳机会
最低要求
计算机/数学/统计/机器学习等相关专业在读，本科及以上
机器学习、数据分析与算法基础扎实
熟练使用 Python 与数据分析工具（NumPy/Pandas/Sklearn 等），熟悉至少一种深度学习框架（PyTorch/TensorFlow）者优先
有大模型相关实践者优先：数据构建（标注/弱标注/合成数据）、Embedding/向量检索、Rerank、Prompt 设计、SFT/LoRA 微调、评测体系（相关性/一致性/幻觉控制）等任一方向
熟悉或有强烈意愿深入使用 Coding Agent（如 Claude Code、Cursor 等），理解 Agent 的工具调用/Prompt 编排机制，能用 Agent 加速数据分析、实验与问题诊断者优先
对搜索/推荐/NLP 有兴趣或项目经验者优先，了解召回、排序、学习排序（LTR）、Query 理解、相关性评估与 A/B 实验方法
沟通推进与文档能力良好，有实验可复现意识与代码规范
可连续实习 6 个月以上、每周到岗 4 天以上者优先
工作职责
搜索算法优化：围绕召回、排序、相关性、Query 理解等方向开展问题分析与方案落地，提升搜索结果质量与用户体验
大模型建模与应用：探索 LLM/Embedding/Rerank 在相关性判定、意图识别、Query 改写、同义/纠错等场景的建模方案，验证效果收益
样本与数据建设：负责 Query-Doc、点击/转化等样本的构造与清洗，设计标注规范与抽样策略，利用 LLM 辅助生成弱标注/银标数据并做一致性校验
模型训练与评估：参与特征工程、训练/验证集拆分、离线评估与误差分析
探索 SFT/LoRA、偏好优化（DPO 思路）等微调实践
基于 Coding Agent 的算法提效与线上优化：深入使用 Coding Agent（如 Claude Code 等）驱动算法迭代——自动化数据分析、误差归因、Case 挖掘与线上问题诊断
探索面向搜索算法场景的 Agent/Skill 沉淀（评测流水线、样本构造、实验分析等），把重复的分析与验证工作工具化、可复用化
Agent 与大模型结合探索：结合 Prompt 工程、工具调用与结构化输出，构建面向搜索的智能分析/评测 Agent，验证其在相关性评估、Query 理解、数据标注等环节的效率与效果提升
实验与效果分析：制定 A/B 实验方案、核心指标与分桶策略，跟踪上线效果并输出结论与改进建议，完善回归与监控机制
AI 洞察
优缺点分析
优点
- 百度作为搜索巨头，平台大，技术积累深厚，能接触真实海量数据与复杂场景
- 岗位涉及大模型、Coding Agent等前沿技术，学习曲线陡峭，技能提升快
- 团队氛围好，有导师指导，可参与核心项目，对职业发展有较大帮助
- 实习要求每周到岗4天以上，连续6个月，时间投入较大
- 搜索算法优化涉及复杂业务逻辑，需要较强的分析能力和耐心
- 适合对搜索算法、大模型应用有浓厚兴趣，具备扎实机器学习基础，且愿意投入时间学习前沿技术的在校学生
缺点 / 挑战
- 技术栈较新，需要快速学习LLM、Agent等知识，有一定压力
角色解读
- 实习期间可深入接触搜索算法与大模型前沿技术，积累实战经验
- 表现优秀者可获得转正机会，成为百度搜索算法工程师
- 未来可向大模型应用、搜索算法专家或AI Agent开发等方向发展
- 优化百度搜索的召回、排序、相关性等核心算法，提升搜索质量与用户体验
- 探索大模型（LLM）在搜索场景的应用，如Query理解、相关性判定、数据标注等，并实践SFT/LoRA微调
- 使用Coding Agent（如Claude Code）自动化数据分析、误差归因、Case挖掘，提升算法迭代效率
- 参与A/B实验设计与效果分析，输出改进建议，完善回归与监控机制
- 扎实的机器学习、数据分析与算法基础，熟练使用Python及NumPy/Pandas/Sklearn等工具
- 熟悉至少一种深度学习框架（PyTorch/TensorFlow），有LLM实践者优先
- 了解搜索/推荐/NLP基本概念，如召回、排序、LTR、Query理解、A/B测试等
- 有Coding Agent使用经验或强烈意愿，理解Agent的工具调用与Prompt编排
申请策略
- 在简历中明确实习时间，确保满足6个月以上、每周4天以上的要求
- 关注百度招聘官网或内推渠道，提前了解团队研究方向，可在面试中展示匹配度
- 突出机器学习、深度学习项目经验，尤其是与搜索、NLP相关的项目
- 强调大模型实践，如数据构建、微调、评测等，即使只是课程项目或自研项目
- 展示Python编程能力，包括数据分析、模型训练等，可附GitHub链接
- 如有Coding Agent使用经验，务必提及，这是加分项
- 提前学习LLM基础知识，了解SFT、LoRA、DPO等微调方法
- 熟悉Coding Agent工具，如Claude Code、Cursor，尝试用其辅助编程或数据分析
面试指南
- 对于项目介绍，采用STAR法则，突出你的贡献和结果
- 对于大模型应用问题，结合具体场景，从数据、模型、评估三个层面回答
- 对于A/B实验设计，强调假设、指标选择、分桶策略和显著性检验
- 请介绍一个你参与过的机器学习项目，包括数据、模型、评估等
- 你对大模型在搜索中的应用有什么理解？比如如何用LLM提升相关性？
- 你使用过哪些Coding Agent？它们如何帮助你提高效率？
- 如何设计一个A/B实验来评估搜索排序算法的改进？
- 给定一个搜索Query，如何判断其意图？请举例说明
职位点评
62
综合评分
大厂实习，前沿技术栈，成长空间大，但工作强度较高。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
适合追求技术成长、对前沿技术有强烈兴趣，且能接受较高工作强度的在校学生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展90
工作生活40
使命价值70
薪资福利
50较低
实习薪资按日计算，约300-400元/天，处于市场中等水平，但作为大厂实习，福利较好。
薪资信号未披露（AI估算：0K-0K/月）
成长发展
90较高
岗位涉及大模型、Coding Agent等前沿技术，能快速提升技能，且百度平台大，成长空间广阔。
技术前沿前沿/新兴技术
技术栈LLM、SFT、LoRA、Rerank、Embedding、Coding Agent
业务类型profit_center
工作生活
40较低
要求每周到岗4天以上，连续6个月，工作强度较大，但未明确加班情况。
工作模式仅现场办公
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
70中等
搜索算法优化直接影响数亿用户的信息获取体验，具有较高的社会价值，且大模型应用是行业热点。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs