百度
推荐算法实习生（J106235）
推荐算法实习生（J106235）
发布于 3 小时前实习/见习
实习生仅现场办公推荐系统
推荐系统
Nlp
大模型
强化学习
推荐系统
数据挖掘
深度学习
值不值得投
71综合评分
综合评分 71
前沿大模型技术栈、核心业务平台、成长空间极佳，但工作节奏偏快、WLB一般
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
9.0千
与推荐系统中位数基本持平
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 1390 个在招 · 其中推荐系统 11 个
市场机会
选择面较广
北京 · 推荐系统 · 79 个在招
职位详情
关于这个职位
该职位隶属于百度推荐策略部，聚焦搜索与信息流核心业务，负责推荐能力平台化服务与Feed推荐体验优化
主要工作包括基于大模型的生成式推荐研发、多模态大模型应用及强化学习探索
需结合数据洞察挖掘产品价值，通过技术创新驱动业务增长
最低要求
硕士及以上学历，计算机、人工智能、数学或统计学相关专业
具有以下一个或多个领域的理论背景和实践经验：机器学习/数据挖掘/深度学习/信息检索/自然语言处理/机制设计/博弈论
熟练掌握Linux,C++,Python,优秀的编码与代码能力
具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识且有相关项目经验
工作职责
推荐策略部坐标百度双引擎（搜索+信息流）核心业务，以Feed推荐体验的最终呈现，提供推荐能力平台化服务
生成式推荐：基于大模型的兴趣生成、意图推理、长序列建模、强化学习建模、scaling-law探索
大模型应用：LLM、多模态大模型（如Qwen-VL、ChatGLM、InternVL)、SFT、RLHF、Prompt Engineering
通过对数据的敏锐洞察,深入挖掘产品潜在价值和需求,进而提供更有价值的产品和服务,通过技术创新推动产品成长
AI 洞察
优缺点分析
优点
- 接触国内头部互联网核心推荐业务与海量真实数据
- 技术栈前沿，深度参与大模型与生成式推荐等新兴方向
- 平台完善，享有成熟的技术培训与导师指导体系
- 算法竞争激烈，对数学基础与工程落地能力要求极高
- 业务迭代快，需持续跟进最新论文与技术趋势
- 高强度研发节奏下需保持高效学习与抗压能力
- 适合热爱算法研究、具备扎实数理与编程基础、渴望在AI与大模型领域深耕的硕士研究生
缺点 / 挑战
暂无明显挑战项
角色解读
- 向资深推荐算法专家或大模型应用负责人发展
- 可横向拓展至搜索、广告或AIGC方向
- 积累核心技术经验后有机会晋升为技术骨干或转向产品策略岗
- 负责百度搜索与信息流Feed的推荐策略研发与平台化建设
- 基于大模型开展生成式推荐、意图推理与长序列建模
- 应用多模态大模型及强化学习技术优化推荐效果
- 扎实的机器学习/深度学习/NLP理论基础
- 精通Python/C++编程与Linux环境开发
- 熟悉推荐系统架构及大模型微调(SFT/RLHF)流程
- 具备较强的数据敏感度与算法落地能力
申请策略
- 提前了解百度推荐业务逻辑与双引擎协同机制
- 准备1-2个完整的项目案例以备深挖
- 关注公司技术博客与开源项目，展现技术热情
- 突出机器学习/大模型相关项目经历，量化算法指标提升效果
- 详细列出掌握的编程语言、框架及工具链
- 强调在推荐系统或NLP领域的实战成果
- 补充强化学习与长序列建模相关知识
- 动手实践大模型微调(Prompt/SFT/RLHF)全流程
面试指南
- 采用STAR法则结构化阐述项目背景、任务、行动与结果
- 重点说明算法选型依据、实验设计思路及指标优化过程
- 结合底层原理与工程实践展示综合能力
- 请介绍你做过的大模型微调或强化学习项目，难点如何解决？
- 如何设计一个基于用户历史行为的长序列推荐模型？
- Python/C++性能优化有哪些常见手段？
- 复习经典推荐算法与Transformer架构细节
- 整理个人项目中的核心公式推导与调参经验
职位点评
薪资福利70
成长发展92
工作生活45
使命价值65
薪资福利
70中等
北京大厂算法实习津贴处于市场中上水平，但实习期主要以积累经验为主，薪资并非核心吸引力。
薪资信号未披露（AI估算：7.0千–1.1万/月）
成长发展
92较高
岗位聚焦大模型与生成式推荐等前沿方向，技术栈先进且业务场景丰富，能提供极高的技能成长空间与行业视野。
技术前沿前沿/新兴技术
技术栈大模型、SFT、RLHF、强化学习、推荐系统、Python、C++
业务类型profit_center
工作生活
45较低
互联网大厂核心研发岗通常节奏较快，JD未提及弹性工时或远程安排，需做好适应高强度工作环境的准备。
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
65中等
通过技术创新优化亿级用户的信息获取体验，虽偏商业导向，但对提升内容分发效率与用户体验具有实际社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs