滴滴出行
花小猪打车-算法实习生（2）
花小猪打车-算法实习生（2）
发布于 大约 2 小时前实习/见习
中国
无经验要求
实习生
仅现场办公
学历未注明
机器学习工程
大模型
数据合成
模型微调
模型评估
深度学习
算法研究
自然语言处理
AI 估算 · 4k–8k
大厂算法实习，技术要求高，薪资在实习中属于中上水平
职位详情
关于这个职位
本岗位是滴滴出行旗下花小猪打车的大模型算法实习岗，你将参与出行场景大模型的落地探索，包括模型微调、数据合成与评估
适合深度学习/NLP方向的研究生，能深度接触前沿技术并积累工业级实战经验
最低要求
精通深度学习、自然语言处理或相关领域
熟悉主流的大模型训练和推理框架
具备良好的编程能力，能够使用Python等语言进行开发
有能力独立解决技术难题，具备较强的创新意识和技术研究能力
能够高效沟通，具有团队合作精神和项目管理能力
工作职责
探索出行场景的大模型落地，调研大模型微调，数据合成，评估等算法
与团队合作，针对特定业务场景实施算法策略和改进
研究最新的大模型算法和技术，提升团队的技术能力和公司的技术竞争力
AI 洞察
优缺点分析
优点
- 深度参与前沿大模型落地项目，技术含金量高
- 滴滴出行平台大，业务场景丰富，数据资源多
- 团队氛围可能偏研究导向，能接触最新技术动态
- 业务落地需兼顾效果和成本，可能面临算法调优难题
- 未明确工作城市和具体福利，需要自行了解
- 适合对NLP和大模型有浓厚兴趣、渴望在工业界实践的研究生
缺点 / 挑战
- 实习期需要快速掌握大模型相关技能，学习压力较大
角色解读
- 可积累大模型工业级应用经验，为转正或校招加分
- 向算法工程师方向发展，专精LLM微调、数据工程等领域
- 有机会参与核心业务，未来可晋升为团队技术骨干或技术专家
- 参与出行场景大模型的应用探索，研究模型微调、数据合成和评估方法
- 与团队协作，将算法策略落地到具体业务场景，进行效果优化
- 跟踪最新大模型技术，推动团队技术迭代和竞争力提升
- 扎实的深度学习与NLP基础，理解Transformer等主流模型
- 熟悉大模型训练和推理框架，如PyTorch、DeepSpeed等
- 良好的Python编程能力，能独立实现和调试算法
- 具备创新思维和问题解决能力，能高效沟通协作
申请策略
- 建议直接发送邮件咨询，注意简历中的项目描述与岗位匹配
- 准备一个展示技术能力的GitHub或项目链接
- 突出深度学习或NLP相关项目经验，如论文、开源项目或竞赛
- 强调Python编程能力，并说明使用过的训练框架（如PyTorch）
- 展示对最新大模型的了解，如GPT、LLaMA等
- 补充大模型微调实践，如LoRA、QLoRA等轻量微调方法
- 熟悉数据合成和评估的常用工具与指标
- 提前了解滴滴或花小猪的业务场景，思考大模型可能的落地点
面试指南
- 采用STAR法则：情境-任务-行动-结果，清晰说明项目背景和个人贡献
- 围绕效果-效率-成本三个维度，展示系统性思考
- 结合具体数据或案例，证明你的技术判断力
- 介绍一下你最熟悉的大模型及其微调方法？
- 如何处理数据合成中的质量与多样性问题？
- 你如何评估一个微调后的模型效果？
- 在团队中遇到分歧时，你如何推动项目进展？
- 你有过深度学习项目的落地经验吗？
职位点评
70
综合评分
滴滴算法实习生，聚焦大模型前沿技术，成长空间大，薪资福利未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
适合看重技术成长和前沿学习机会、对薪资福利要求不高的学生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展85
工作生活60
使命价值75
薪资福利
50较低
实习薪资未披露，但大厂实习通常有一定竞争力；福利未明确，稳定性一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
85较高
职位聚焦大模型前沿技术，能学习最新算法并参与实际业务落地，成长空间大。
技术前沿前沿/新兴技术
技术栈大模型、深度学习、自然语言处理、Python、模型微调、数据合成
业务类型ambiguous
工作生活
60中等
未明确工作地点与工作模式，实习可能需现场办公，灵活性和便利性不明确。
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
75中等
出行场景的大模型应用有助于提升行业效率，且公司平台大，具有一定意义感。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs