百度
生成式排序模型算法工程师（J106392）
生成式排序模型算法工程师（J106392）
发布于 5 小时前实习/见习
实习生仅现场办公推荐系统
推荐系统
Ctr/Cvr预估
Deepfm
Din
Pytorch
Tensorflow
多模态大模型
强化学习
值不值得投
78综合评分
综合评分 78
核心广告推荐算法实习岗，前沿大模型技术栈，成长空间极大，适合技术极客型硕博生。
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
9千
比推荐系统中位数低
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 1230 个在招 · 其中推荐系统 9 个
市场机会
选择面较广
北京 · 推荐系统 · 62 个在招
职位详情
关于这个职位
该职位主要在百度参与推荐广告场景下的生成式排序模型研发，探索大模型及Transformer在CTR/CVR预估中的应用
你需要协助团队进行多模态大模型落地、模型训练推理优化，并配合工程团队完成数据处理与A/B测试分析，确保算法有效落地
最低要求
届计算机、数学、自动化等相关专业在校硕士或博士生
扎实的机器学习基础，熟悉 Transformer、DeepFM、DIN 等常用搜推模型，对生成式模型（如 GPT/LLM 架构）有基本认知
熟练掌握 Python，至少精通 PyTorch 或 TensorFlow 其中一种框架
具备良好的算法与数据结构基础，代码风格严谨
具备极强的学习能力和好奇心，能够阅读英文文献并快速上手新技术
沟通顺畅，具备良好的团队合作意识
工作职责
在导师指导下，参与推荐广告场景下的生成式排序模型的研发，探索 Transformer 及序列化建模在CTR/CVR/GMV预估中的应用
协助团队进行多模态大模型在推荐场景的落地实验，参与重构广告基础表征体系，提升模型对商品/广告的语义理解能力
参与大模型训练/推理优化（如量化、高效注意力机制等）的实验跑通，探索强化学习在提升广告长期价值优化中的可行性
跟踪推荐系统、生成式 AI 及大模型领域的最前沿学术论文，负责算法的复现和评测
配合工程与产品团队进行数据处理、模型离线评估及在线 A/B Test 效果分析，确保算法逻辑的正确落地
优先资格
在顶会发表过论文、参加过知名算法竞赛并取得优异成绩、有过大规模分布式训练、长序列建模或语义 ID 相关课题的研究经验者优先
AI 洞察
优缺点分析
优点
- 接触推荐广告核心业务与前沿大模型技术，有导师指导，能积累大规模分布式训练与模型优化经验
- 业务场景丰富，数据规模大，利于技术落地与高水平论文产出
- 适合计算机、数学等相关专业，对推荐系统和大模型有浓厚兴趣，且具备较强科研与代码能力的在校硕博生
缺点 / 挑战
- 算法研发对数学与编程基础要求极高，需快速跟进前沿论文并复现，学习与工作压力较大
- 广告场景对模型上线效果要求严格，需承担一定的业务指标与A/B测试压力
角色解读
- 从算法实习生成长为推荐/广告算法工程师，深入大模型与生成式AI在工业界的落地
- 未来可向资深算法专家或技术管理方向发展，积累大规模分布式训练经验
- 参与推荐广告场景下的生成式排序模型研发，探索大模型在CTR/CVR预估中的应用
- 协助多模态大模型落地及模型训练推理优化，配合团队完成数据处理与A/B测试
- 扎实的机器学习基础，熟悉Transformer、DeepFM等搜推模型及LLM架构
- 精通Python及PyTorch/TensorFlow框架，具备良好的代码能力与英文文献阅读能力
申请策略
- 准备好过往项目的技术细节与难点解决方案，了解百度广告推荐业务的基本逻辑与核心指标
- 突出在顶会发表的论文、知名算法竞赛获奖经历，以及大规模分布式训练或长序列建模相关的项目经验
- 强调对Transformer、LLM架构的理解及PyTorch/TensorFlow的熟练度，展示严谨的代码风格
- 提前复习推荐系统经典模型（DeepFM、DIN等），了解生成式模型在搜推场景的最新应用
- 提升代码工程能力，熟悉模型量化与高效注意力机制等推理优化技术
面试指南
- 采用STAR法则描述项目经历，重点突出技术难点、解决思路及最终业务或学术收益
- 对于技术问题，先阐述基本原理，再结合具体场景分析优缺点及优化方案
- 请介绍你在推荐系统或大模型相关课题中的具体工作与创新点
- Transformer在序列化建模中有哪些优缺点？如何优化其长序列计算效率？
- 在CTR/CVR预估中，如何处理样本选择偏差或数据稀疏问题？
- 请描述一次你复现前沿论文或解决复杂算法问题的经历
- 深入复习搜推经典模型与LLM基础架构，准备1-2个自己主导的算法项目细节
- 了解百度广告业务背景，思考大模型在其中的潜在应用价值与落地难点
职位点评
薪资福利75
成长发展95
工作生活60
使命价值70
薪资福利
75中等
作为头部企业的算法实习岗，实习津贴处于市场较高水平，但实习阶段整体薪酬绝对值受限于学生身份。
薪资信号未披露（AI估算：6.5千–1.1万/月）
成长发展
95较高
岗位涉及生成式排序、多模态大模型等前沿技术，有导师指导且鼓励跟踪前沿论文，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Transformer、DeepFM、DIN、GPT、LLM、PyTorch、TensorFlow、强化学习、多模态大模型
成长机会在导师指导下
业务类型profit_center
工作生活
60中等
算法研发岗通常工作节奏较快，需跟进论文与实验，但实习阶段相对正式员工可能有一定弹性，JD未明确说明WLB情况。
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
70中等
推荐广告是互联网核心变现业务，技术挑战大，但社会价值属性相对中性，主要体现为商业价值与技术探索。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs