滴滴出行
L Lab-算法实习生（2）
L Lab-算法实习生（2）
发布于 3 小时前实习/见习
实习生仅现场办公NLP工程
NLP工程
Llm
Nlp
Prompt Engineering
Rlhf
Sft
大模型评测
值不值得投
72综合评分
综合评分 72
核心算法部门大模型实习岗，技术前沿、成长空间大，适合追求技术深度的同学。
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
6千
比NLP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
约 2210 个在招 · 其中NLP工程 4 个
市场机会
选择面较广
北京 · NLP工程 · 59 个在招
职位详情
关于这个职位
该职位主要负责国际化客服场景的大模型自动化评测、数据清洗与微调，以及Agent搭建和模型训练优化
适合对NLP和大模型技术感兴趣，希望在实际业务中积累算法落地经验的同学
最低要求
熟悉python、java、c++等常见编程语言的一种或多种，有NLP相关领域知识
实习时间不低于4个月
有责任心、充满热情
工作职责
对国际化客服场景的线上模型进行自动化评测：构建评测集，并探索提示词自进化等技术，实现模型评测闭环
完善评测体系，输出评测结果作为RL训练的reward
根据已有客服agent workflow清洗线上数据，并进行单场景有监督微调
调研利用prompt清洗已有训练数据，并弥补尾部分支的缺失
Agent搭建、CPT/SFT/RLHF模型训练、模型推理性能优化等大模型相关技术探索
优先资格
加分项：熟悉机器学习领域相关知识
有智能问答、情感分析、信息抽取、文本相似度等NLP领域的项目经验，有LLM、AIGC、RLHF、大模型/agent评测等大模型相关经验者更佳
AI 洞察
优缺点分析
优点
- 接触大模型、Agent等前沿AI技术，参与核心业务场景的算法落地，技术含金量高
- 依托丰富的线上业务数据，能够深入理解大模型在真实工业场景中的应用痛点与解决方案
- 核心算法实验室团队，技术氛围浓厚，能接触到行业前沿的技术探索方向
- 大模型技术迭代极快，需要保持持续学习的习惯，紧跟最新论文和技术动态
- 业务场景复杂，数据清洗、评测集构建及尾部分支处理等基础工作可能较为繁琐和枯燥
- 对NLP和大模型技术有浓厚兴趣，具备一定编程和算法基础，希望在大厂积累实战经验的在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生起步，深入大模型在复杂业务场景中的落地应用，积累一线实战经验
- 未来可发展为NLP算法工程师、大模型应用专家或AI Agent架构师
- 负责国际化客服场景的大模型自动化评测，构建评测集并探索提示词自进化技术，实现评测闭环
- 基于客服Agent工作流清洗线上数据，进行单场景有监督微调，并弥补尾部分支缺失
- 参与Agent搭建、CPT/SFT/RLHF模型训练及推理性能优化等前沿大模型技术探索
- 熟练掌握Python、Java或C++等至少一种编程语言，具备扎实的NLP领域基础知识
- 了解大模型训练流程（如SFT、RLHF）及Agent开发，熟悉提示词工程
- 具备良好的数据处理能力和责任心，能够保证不低于4个月的实习时间
申请策略
- 了解滴滴国际化业务及客服场景，思考大模型在该场景下如何提升服务效率和用户体验
- 在简历或面试中展现出对AI技术的热情和快速学习能力，这对于实习生尤为重要
- 突出NLP、大模型相关的项目经验，如LLM微调、Agent开发、模型评测或提示词工程等
- 展示扎实的编程能力，特别是Python在数据处理和模型训练中的应用经验
- 若有智能问答、情感分析、信息抽取等具体NLP任务的项目成果，请详细列出指标提升情况
- 深入学习RLHF、SFT等大模型训练技术，熟悉主流开源大模型及Agent框架（如LangChain）
- 了解大模型自动化评测的常见方法论，尝试自己构建小型评测集并进行提示词优化实验
面试指南
- 采用STAR法则描述项目经验，重点突出技术难点、你的思考过程以及最终的量化收益
- 对于技术问题，先清晰阐述底层原理，再结合具体业务场景说明应用思路和权衡取舍
- 请介绍一下你在大模型或NLP领域的项目经验，遇到了什么技术挑战，是如何解决的？
- 如何构建大模型的自动化评测集？提示词自进化是如何实现和评估的？
- SFT和RLHF的区别是什么？在客服场景中如何应用这两种技术？
- Agent workflow是如何设计的？在数据清洗中如何处理尾部分支缺失的问题？
- 复习NLP和大模型基础知识，准备1-2个自己最熟悉、能深入探讨的项目案例
- 提前体验或了解滴滴的客服产品，思考大模型如何优化现有的客服交互流程
职位点评
薪资福利65
成长发展90
工作生活50
使命价值75
薪资福利
65中等
实习岗位薪资按日薪计算，符合一线城市算法实习的市场平均水平，能满足基本生活需求。
薪资信号未披露（AI估算：4–7千/月）
成长发展
90较高
岗位涉及大模型评测、微调、Agent搭建等前沿技术，技术成长空间极大，能接触到核心AI业务。
技术前沿前沿/新兴技术
技术栈Python、NLP、LLM、Agent、RLHF、SFT、CPT、Prompt Engineering
业务类型ambiguous
工作生活
50较低
实习通常要求全职或每周出勤一定天数，大厂算法岗工作节奏较快，WLB情况未明确。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
参与国际化客服场景的大模型落地，利用AI技术提升服务效率和用户体验，具有一定的社会价值。
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
Watch Jobs