百度
代码智能体大模型架构实习生（J101404）
代码智能体大模型架构实习生（J101404）
发布于 大约 14 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
信息技术与基础设施
GPU优化
LLM
SFT
分布式训练
DeepSpeed
vLLM
RLHF
Coding Agent
AI 估算 · 8k–12k
百度实习薪资约8-12k/月，技术含量高，符合主流大厂实习薪资水平。
职位详情
关于这个职位
该职位是百度的代码智能体大模型架构实习生，主要参与Coding Agent的训练基础设施、轨迹合成与清洗、推理服务建设等工作
你将接触到前沿的大模型训练与推理技术，适合对LLM后训练和Agent方向有强烈兴趣的硕博生
最低要求
在读硕士/博士，能保证每周4天以上、持续6个月以上的实习投入
了解Kubernetes、容器、GPU任务运行或分布式训练相关概念者优先
了解大模型基本结构和训练流程，如Transformer、Attention、dataset、loss、optimizer、checkpoint、evaluation等
了解至少一种大模型训练或推理框架，如Transformers、DeepSpeed、FSDP、Megatron-LM、verl、vLLM、SGLang等
对Coding Agent、后训练、推理服务、训练基础设施或GPU性能优化方向有兴趣，愿意深入学习
工作职责
参与Coding Agent沙盒训练环境建设，协助支持coding task在隔离、稳定、可复现的环境中运行
多Harness大规模轨迹合成：围绕open-coder、claude code、openclaw等不同harness构建跨harness的轨迹合成体系，探索harness泛化，让模型学到通用的编码-执行-修复能力而非绑死单一框架
轨迹改写、清洗、过滤：将不同来源、不同harness格式的轨迹统一改写规整，做大规模去重、质量打分与噪声过滤，处理多分片JSONL级数据，产出高信噪比训练集
参与Coding Agent后训练基础设施建设，协助支持SFT、OPD、RL等训练和评测流程
基于Slime、Megatron-LM、verl、DeepSpeed、FSDP、Transformers等框架进行训练流程适配、调试和问题排查
参与基于SGLang / vLLM的推理服务建设，支持rollout、teacher inference、批量评测等场景
训练与推理性能分析，包括显存占用、吞吐、延迟、batching、KV cache、长上下文推理等方向
优先资格
有LLM后训练（SFT/DPO/GRPO/蒸馏）或agent训练的实战经历
熟悉code agent harness（如open-coder、OpenHands / Claude Code类框架），做过轨迹合成或改写清洗
参与过大规模分布式训练调优，或主流推理引擎（SGLang/vLLM）的性能优化
有CUDA / 算子 / 通信优化、量化、并行策略相关经验
有代码智能体 / agentic评测、reward modeling、可验证反馈相关经验
有开源贡献、竞赛、或能展示深度的个人项目
AI 洞察
优缺点分析
优点
- 百度作为国内AI领军企业，提供顶尖的技术平台和导师资源
- 接触前沿的LLM后训练与Coding Agent方向，技术积累价值高
- 参与大规模分布式训练优化，对职业生涯有显著提升
- 实习待遇优厚，且有转正机会
- 实习周期长（6个月以上），学习曲线陡峭，需要快速上手复杂框架
- 涉及多框架适配和性能调优，问题排查难度大，需要较强的问题解决能力
- Coding Agent方向仍在快速发展，可能需要阅读大量论文和开源代码
- 适合对LLM训练、Agent系统和高性能计算有强烈兴趣，且能投入长期实习的硕博生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习积累大模型训练与推理的实战经验，向算法研究员或AI系统工程师发展
- 深入Coding Agent方向，未来可从事AI agent相关的工程或研究岗位
- 参与工业级分布式系统优化，成为高性能计算或AI基础设施专家
- 参与Coding Agent训练环境搭建，确保实验稳定可复现
- 负责大规模轨迹数据的合成、清洗与质量过滤，提升训练数据质量
- 协助训练与推理流程优化，涉及分布式框架适配和GPU性能分析
- 熟练使用至少一种大模型训练/推理框架，如DeepSpeed、vLLM等
- 了解Transformer和Attention机制，掌握分布式训练概念
- 熟悉Kubernetes和容器技术，能处理GPU任务调度
- 具备Python编程和代码调试能力，有处理JSONL数据经验
申请策略
- 在简历中附上GitHub链接或个人技术博客，展示对LLM领域的持续关注
- 面试前准备一个关于训练或推理性能优化的案例分析，展示问题解决思路
- 突出大模型相关项目经验，如SFT、RLHF、Agent训练等
- 强调分布式训练或推理框架的使用经历，如DeepSpeed、vLLM
- 展示开源贡献或竞赛成绩，体现技术深度
- 如有CUDA或性能优化经验，务必列出
- 学习并尝试使用vLLM/SGLang进行推理服务部署
- 动手复现一个简单的Coding Agent训练流程，理解轨迹合成逻辑
面试指南
- 对于技术原理问题，先给出定义，然后结合项目实例说明应用
- 对于优化问题，提出分析思路：先定位瓶颈，再提出多种可行方案，并比较优缺点
- 对于框架知识，对比不同框架设计理念，突出自己对底层实现的理解
- 请详细说明Transformer的Attention机制和位置编码
- 你在之前的项目中如何优化大规模模型训练的显存占用？
- 解释一下RLHF的训练流程，你认为哪些环节最困难？
- 你了解哪些Coding Agent框架？它们的异同点是什么？
- 如果要在vLLM中优化长上下文推理，你会考虑哪些方法？
职位点评
66
综合评分
百度AI实习，前沿技术栈，发展性极强，但需投入较多时间和精力。
更适合这类人
最适合以技能成长为核心导向、愿意投入长期实习的硕博生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展95
工作生活40
使命价值70
薪资福利
60中等
实习薪资在行业中较高位，但实习岗位无正式员工福利，稳定性和长期薪酬有限。
薪资信号未披露（AI估算：8K-12K/月）
成长发展
95较高
该实习深入前沿的LLM训练与Agent技术，导师资源丰富，成长路径清晰，发展性极高。
技术前沿前沿/新兴技术
技术栈LLM、Coding Agent、SFT、RLHF、DeepSpeed、vLLM、Kubernetes
业务类型ambiguous
工作生活
40较低
实习要求每周4天以上且持续6个月，工作强度较大，地点北京，生活灵活性较差。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
百度作为AI领军企业，参与Coding Agent方向具有技术意义，但实习岗位对社会直接影响有限。
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