百度
大模型算法实习生（J106975）
大模型算法实习生（J106975）
发布于 2 小时前实习/见习
实习生仅现场办公AI药物设计
AI药物设计
3D重建
Llm
Paddlepaddle
Pytorch
Slam
Vlm
多模态处理
模型微调
值不值得投
76综合评分
综合评分 76
顶尖大厂核心AI团队、前沿技术栈、高成长潜力、工作强度可能较大
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
参考估算薪资
根据职位描述推断，供对比参考
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 1310 个在招
市场机会
选择不多
北京 · AI药物设计 · 8 个在招
职位详情
关于这个职位
作为百度大模型算法实习生，你将深入参与智能数据基础设施与具身智能专项建设
主要负责多模态数据处理、LLM/VLM微调、模型服务搭建及自动化评测体系构建，通过开发高质量算子和工作流，推动大模型技术在落地项目中的应用与优化
最低要求
熟悉深度学习框架（如pytorch、paddle等），拥有较强的动手能力
有一定的SLAM、3D重建相关经验
熟悉CV模型训练、LLM/VLM微调，有开源模型项目相关复现/移植能力，熟悉k8s等容器技术
熟练使用Python语言
具备优秀的学习能力和良好的合作沟通精神
工作职责
跟进多模数据处理前沿技术，参与智能数据基础设施平台建设
参与具身智能专项建设，高质量多模态算子开发和高质量工作流构建
大语言模型和多模态大模型微调、模型服务搭建、落地项目以及自动化评测体系构建
协助团队构建高质量和高可用的多模态算子和工作流，根据项目需求快速优化算子效果和运行效率，保障项目落地
AI 洞察
优缺点分析
优点
- 依托百度顶尖AI平台，接触最前沿的大模型与具身智能技术，技术成长极快
- 对AI前沿技术充满热情，具备扎实编程基础和动手能力的计算机相关专业学生
缺点 / 挑战
- 技术栈更新迅速，对多模态数据处理和模型优化的工程能力要求较高，工作压力可能较大
角色解读
- 从算法实习生成长为高级算法工程师，深耕大模型应用、具身智能或多模态理解领域
- 参与大模型及多模态技术的底层基础设施建设，包括数据清洗、算子开发与工作流构建
- 熟练掌握PyTorch/Paddle等深度学习框架，具备LLM/VLM微调及CV模型训练经验
申请策略
- 准备详细的项目代码仓库链接，面试时重点阐述在模型优化中的具体贡献和技术难点解决思路
- 突出开源模型复现/移植经历，展示SLAM、3D重建或LLM微调的具体项目成果
- 强化Kubernetes容器化部署技能，深入理解多模态数据预处理流程
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型理由、遇到的问题及解决方案、最终的性能提升指标
- 请介绍一个你复现或移植过的开源大模型项目，遇到的最大挑战是什么？
- 如何评估和优化多模态模型的推理效率？
- 简述SLAM与3D重建在大模型落地中的应用场景
- 在使用PyTorch进行大规模模型训练时，如何进行显存优化？
- 复习Transformer架构细节，了解最新的多模态大模型（如Llama-3, Qwen-VL等）特性，准备常见的深度学习面试题
职位点评
薪资福利70
成长发展95
工作生活50
使命价值80
薪资福利
70中等
百度作为头部大厂，实习薪资处于市场中上水平，且福利体系完善，但实习岗整体薪酬天花板有限。
薪资信号未披露（AI估算：0.2–0.4千/月）
成长发展
95较高
该职位直接参与大模型与具身智能前沿研究，技术栈极其先进，能提供极高的技术成长空间和行业视野。
技术前沿前沿/新兴技术
技术栈LLM、VLM、PyTorch、SLAM、Kubernetes、多模态
业务类型profit_center
工作生活
50较低
互联网大厂通常工作节奏较快，虽可能有弹性工作制，但高强度研发任务可能导致加班较多，WLB一般。
工作模式未明确
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
80较高
投身于人工智能这一改变未来的核心技术领域，具有显著的技术创新价值和社会影响力。
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
百度 的其他在招职位
相似职位推荐
Watch Jobs