百度
算法实习生（J106373）
算法实习生（J106373）
发布于 3 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-As-A-Judge
Pytorch
大模型评测
异常检测
时序分析
机器学习
深度学习
风险建模
值不值得投
80综合评分
综合评分 80
头部企业大模型评测与反作弊算法实习岗，前沿技术栈、学术成长空间大，WLB未明确。
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
8千
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 1220 个在招 · 其中机器学习工程 22 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 480 个在招
职位详情
关于这个职位
该职位主要负责基于大模型推理服务的智能分析与异常检测，构建供应商风险评分及智能评测模型
你将研究大模型驱动的智能评测方法，并参与相关学术论文的撰写，适合对AI大模型评测与反作弊方向感兴趣的硕博研究生
最低要求
计算机、人工智能、机器学习、统计学等相关专业在读硕士或博士研究生，具备较强的科研能力
熟悉机器学习、深度学习及统计分析方法，了解异常检测、时序分析、风险建模等相关算法
熟悉大模型核心技术，了解模型评测、模型指纹识别、LLM-as-a-Judge 等研究方向
熟练使用 Python、PyTorch 等工具，具备算法复现、实验设计、数据分析及模型验证能力
具备独立开展科研、挖掘创新点及撰写英文论文的能力
工作职责
针对Token供应商提供的大模型推理服务，基于多源信息表现进行智能分析，识别降智、冒用、掺假等异常行为
研究日常发现的供应商异常行为及作弊模式，构建异常检测、关联分析、反作弊及风险识别模型
结合历史行为、评测结果、履约表现及风险事件，构建供应商风险评分和动态信用评级模型
构建供应商能力、服务质量及履约表现的智能评测模型与指标体系
研究大模型驱动的智能评测方法，包括 LLM-as-a-Judge，并负责评测集构建、结果一致性分析及自动化质量评价
撰写相关的论文
优先资格
在 NeurIPS、ICML、ICLR、ACL、KDD、AAAI 等顶级会议发表过论文或有投稿经验
具有大模型评测、异常检测、反作弊、模型行为分析等相关研究经历
AI 洞察
优缺点分析
优点
- 依托丰富的业务场景和算力资源，有利于产出高水平学术成果
- 表现优异者有机会获得转正机会，职业发展起点高
- 大模型评测与异常检测属于新兴研究方向，缺乏成熟范式，需要较强的探索与创新能力
- 适合对大模型技术有浓厚兴趣、具备较强科研能力且有志于在AI算法领域深耕的硕博研究生
缺点 / 挑战
- 接触大模型评测与反作弊等前沿AI技术，技术栈极具前瞻性和挑战性
- 兼顾业务模型落地与学术论文撰写，对时间管理和科研产出能力要求较高
角色解读
- 在大模型评测与反作弊这一前沿领域积累深厚的算法与工程经验
- 通过发表顶会论文和参与核心业务，为未来成为AI算法专家或研究员打下坚实基础
- 负责大模型推理服务的智能分析与异常检测，识别降智、冒用等异常行为
- 构建供应商风险评分、动态信用评级及智能评测模型
- 研究大模型驱动的智能评测方法（如LLM-as-a-Judge），并撰写相关学术论文
- 扎实的机器学习与深度学习基础，熟悉异常检测、时序分析及风险建模算法
- 熟悉大模型核心技术及评测方法，了解模型指纹识别与LLM-as-a-Judge
- 熟练使用Python和PyTorch，具备独立开展科研和撰写英文论文的能力
申请策略
- 提前了解百度在大模型及API开放平台方面的业务布局，思考供应商管理中的潜在风险点
- 重点突出在机器学习、深度学习及大模型相关的项目或科研经历
- 明确列出在NeurIPS、ICML等顶级会议的论文发表或投稿经验
- 展示使用Python/PyTorch进行算法复现、实验设计及数据分析的具体成果
- 深入学习LLM-as-a-Judge、模型指纹识别等大模型评测前沿技术
- 补充异常检测、时序分析及风险建模相关的算法知识，并尝试在开源数据集上实践
面试指南
- STAR法则：针对项目经验问题，按照情境、任务、行动、结果的逻辑清晰阐述
- 技术深度+业务结合：在回答算法问题时，不仅讲技术原理，还要结合大模型供应商管理的实际业务场景
- 请详细介绍你过往在异常检测或风险建模方面的项目经验，遇到了哪些难点及如何解决？
- 你如何理解LLM-as-a-Judge？在实际应用中如何保证评测结果的一致性？
- 针对大模型推理服务的降智或掺假行为，你会设计怎样的特征和模型来进行识别？
- 请分享一篇你最满意的学术论文，你在其中的核心贡献是什么？
- 复习大模型评测、异常检测相关的经典论文及最新顶会进展，准备自己的研究思路
- 梳理简历中的项目细节，准备好应对关于模型设计、实验对比及论文撰写的深度提问
职位点评
薪资福利75
成长发展95
工作生活60
使命价值85
薪资福利
75中等
该岗位提供具有市场竞争力的实习津贴，整体薪酬福利在同类算法实习群体中具备较强吸引力。
薪资信号未披露（AI估算：6千–1万/月）
成长发展
95较高
岗位聚焦大模型评测与反作弊等前沿方向，鼓励撰写并发表顶会论文，技术成长与学术发展空间极大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、机器学习、深度学习、异常检测、大模型评测、LLM-as-a-Judge
成长机会撰写相关的论文、独立开展科研、挖掘创新点
业务类型ambiguous
工作生活
60中等
JD未明确说明工作模式与工时安排，工作强度与WLB情况需在实际面试中与HR进一步确认。
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
85较高
大模型评测与反作弊是保障AI生态健康发展的关键工作，具有较高的技术使命感与行业社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
百度 的其他在招职位
相似职位推荐
Watch Jobs