算法平台 -算法实习生（1）

优缺点分析

角色解读

• 在导师指导下快速积累大模型训练和应用的实战经验，为未来从事AI算法工程师打下坚实基础
• 有机会参与核心项目，接触前沿技术，为转正或进入其他大厂提供有力背书
• 可向大模型算法工程师、NLP算法工程师等方向发展
• 支持大模型的预训练和后训练任务，包括数据准备、模型训练、调参和实验分析
• 参与构建领域大模型的数据飞轮，设计用户画像策略，提升数据质量和多样性
• 参与线上模型优化，如意图识别、多轮对话、角色模拟等，提升模型效果
• 熟练掌握Python、PyTorch和SQL，具备扎实的编程和数据处理能力
• 熟悉NLP基本任务和深度学习原理，了解大模型的基本原理和训练流程
• 熟悉Linux系统常用命令，具备分布式训练经验者优先

申请策略

• 关注滴滴的招聘动态，尽早投递，并准备一份展示大模型相关项目的简历
• 面试前了解滴滴的业务方向，特别是AI和大模型相关的应用场景
• 突出大模型训练或NLP相关项目经验，如参与过预训练、微调或Agent开发
• 强调Python、PyTorch等技能，并展示在Linux环境下的开发能力
• 如有顶会论文或开源项目贡献，务必重点突出
• 提前熟悉大模型训练框架，如Deepspeed、Megatron-LM等
• 补充强化学习、Agent相关的基础知识
• 练习使用SQL进行数据处理和分析

面试指南

• 回答项目经验时，采用STAR法则，突出你的贡献、技术难点和解决方案
• 回答技术问题时，先阐述基本原理，再结合项目实践，展示你的深度理解
• 回答开放性问题时，展现你的思考过程和逻辑性，并联系实际应用
• 请介绍一下你参与过的大模型训练项目，包括数据、模型、训练流程和遇到的问题
• 如何设计一个高质量的数据飞轮？
• 你对Agent和强化学习有哪些了解？
• 如何评估一个LLM的效果？
• 你如何理解大模型的可控性和多样性？