智谱
算法实习生
算法实习生
发布于 1 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
Nlp
Pytorch
Rlhf
Sft
分布式训练
大模型 (Llm)
值不值得投
74综合评分
综合评分 74
顶尖AI大厂核心算法实习，技术前沿性强，成长空间巨大，但工作强度可能较高。
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
1.0千
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
48 个在招 · 其中机器学习工程 6 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 570 个在招
职位详情
关于这个职位
该职位为智谱AI的大模型算法实习生岗位，主要参与大规模语言模型的预训练、微调及性能优化工作
你需要结合业务需求落地应用场景（如对话系统、Agent等），并跟踪复现前沿论文技术
适合对NLP和大模型有强烈兴趣、具备扎实深度学习基础的学生
最低要求
必需项：
技术基础：熟悉Python和主流深度学习框架（PyTorch/TensorFlow）
掌握NLP基础知识（如Transformer/BERT/GPT等模型原理）
经验要求：有NLP相关项目经验
学习能力：对大模型技术有强烈兴趣，能快速复现论文、解决实际问题
沟通能力：逻辑清晰，表达流畅，可将项目讲清楚
工作职责
职位描述
大模型训练与优化：参与大规模语言模型（LLM）的预训练、微调、对齐（Alignment）及性能优化（如SFT、DPO、RLHF等）
应用场景落地：结合业务需求（如对话系统、内容生成、ChatBI、Agent），熟练运用不同训练方法解决实际问题， 有实际项目经验者优先
前沿技术研究：跟踪大模型领域最新论文（如Transformer架构改进、多模态融合、Agent技术等），复现并验证创新点
经验总结：协助撰写技术文档、报告
优先资格
加分项：
发表过顶会论文（ACL/EMNLP/NeurIPS等）或开源项目贡献者
熟悉分布式训练（Deepspeed/FSDP）、LoRA/P-Tuning等参数高效微调方法
具备多模态（文本-图像-视频）或Agent（AutoGPT/ReAct）相关经验
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型技术栈，拥有极高的技术成长空间和行业视野
- 技术迭代极快，需要持续阅读最新论文并快速复现，对自学能力要求极高
- 计算机相关专业在校生，对NLP和大模型有浓厚兴趣，具备较强动手能力和科研潜力的同学
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生成长为独立的算法工程师，进而向大模型架构师或AI研究员方向发展
- 参与大规模语言模型的全流程训练，包括预训练、微调和对齐优化
- 熟练掌握Python及PyTorch/TensorFlow框架，深入理解Transformer等NLP核心模型原理
申请策略
- 如果有顶会论文或高质量开源项目贡献，务必在简历中显著标注，这是重要的加分项
- 突出NLP相关的项目经历，特别是与大模型、Transformer相关的实践细节
- 提前熟悉Hugging Face生态，了解SFT、RLHF等主流微调技术的基本原理
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出个人贡献和技术难点突破
- 请介绍一个你做过最复杂的NLP项目，你在其中负责什么？
- 你是如何理解Transformer架构中的Self-Attention机制的？
- 如果让你优化一个LLM的训练效率，你会从哪些方面入手？
- 最近关注了哪些大模型领域的最新论文？有什么见解？
- 复习深度学习基础理论，准备1-2个详细的技术项目案例，并浏览近期AI顶会热门论文摘要
职位点评
薪资福利60
成长发展95
工作生活50
使命价值80
薪资福利
60中等
作为实习生岗位，薪资通常为固定津贴，虽符合市场水准但缺乏长期稳定性保障，福利体系不如正式员工完善。
薪资信号未披露（AI估算：0.2–0.4千/月）
成长发展
95较高
该职位处于AI技术最前沿，涉及LLM训练、对齐等高难度核心技术，能提供极佳的技术成长和职业跳板价值。
技术前沿前沿/新兴技术
技术栈LLM、PyTorch、Transformer、SFT、DPO、RLHF、Deepspeed、LoRA
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式，但AI研发类岗位通常节奏较快，需投入大量时间跟进技术进展，WLB可能一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
从事大模型这一具有变革性意义的技术研发，对社会智能化发展有潜在的正向影响力，使命感较强。
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）
Watch Jobs