L Lab-算法实习生（1）

优缺点分析

角色解读

• 实习期间可积累大模型数据处理和微调实战经验，为转正或校招加分
• 有机会接触滴滴核心业务场景，未来可向NLP算法工程师、大模型研发方向发展
• 在导师指导下深入探索RLHF等前沿方向，构建完整的研究能力
• 使用GPT workflow对线上数据进行清洗和过滤，构建高质量训练数据集
• 对清洗后的数据进行单场景的有监督微调，优化模型在特定任务上的表现
• 调研并利用Prompt工程弥补数据缺失，探索自动化评估和RL最新技术
• 熟练掌握Python、Java、C++等至少一种编程语言
• 具备NLP基础知识，了解文本处理、序列模型等
• 了解机器学习常用方法，有LLM、AIGC、RLHF经验者优先

申请策略

• 投递邮件可简要说明对LLM的兴趣和实习时间，并附上相关作品或GitHub
• 关注滴滴L Lab的团队研究方向，展现你对业务的了解
• 突出NLP相关项目经历，如智能问答、情感分析、信息抽取等
• 强调编程能力和Python使用熟练度，以及熟悉的数据处理工具
• 如有LLM、AIGC或RLHF实际经验务必重点提及
• 提前学习Prompt Engineering和常见微调方法（如LoRA）
• 了解GPT、ChatGPT等模型的API调用和数据清洗流程

面试指南

• 回答项目类问题采用STAR法则（情境-任务-行动-结果），突出个人贡献和量化指标
• 技术概念问题先给出定义，再结合自身经验，最后说明应用场景
• 请介绍一个你使用NLP模型解决实际问题的项目
• 你如何理解Prompt工程？请举例说明如何设计Prompt来清洗数据？
• 说一说你对LLM微调有哪些了解？
• 你如何评估一个NLP模型的效果？有哪些自动化评估方法？
• 复习NLP基础，包括Transformer、BERT、GPT等模型原理
• 准备1-2个与数据清洗或微调相关的实践案例