算法平台-算法实习生

优缺点分析

角色解读

• 实习期间可积累大模型训练和应用的实战经验，为后续求职打下基础
• 表现优秀者有机会转正，成为滴滴算法工程师
• 未来可向大模型算法专家、AI研究员等方向发展
• 参与大模型预训练和后训练任务，支持分布式训练实验，优化模型效果
• 构建领域Agent数据飞轮，设计用户画像策略，提升数据质量与多样性
• 参与线上模型优化，如意图识别、多轮对话等，提升产品智能化水平
• 熟练掌握Python、PyTorch、SQL，熟悉Linux系统
• 了解NLP基本任务和深度学习，具备大模型训练经验
• 熟悉Agent、强化学习、LLM评估等前沿技术

申请策略

• 关注滴滴的招聘动态，尽早投递
• 了解滴滴在出行领域的AI应用，面试时展示对业务的理解
• 突出大模型训练或相关项目经验，如使用PyTorch进行模型训练
• 强调NLP、深度学习相关课程或竞赛经历
• 如有Agent、强化学习项目经验，务必提及
• 提前熟悉分布式训练框架，如DeepSpeed、Megatron-LM
• 学习Agent相关技术，如ReAct、AutoGPT等
• 加强Python编程和Linux操作能力

面试指南

• 对于项目经验问题，采用STAR法则：情境、任务、行动、结果
• 对于技术概念问题，先给出定义，再举例说明，最后联系实际应用
• 对于开放性问题，展示思考过程，结合理论与实践
• 请介绍你参与过的大模型训练项目，包括数据准备、模型架构和训练过程
• 如何评估一个LLM的效果？你了解哪些评估方法？
• 什么是数据飞轮？如何构建高质量的数据飞轮？
• 你对Agent的理解是什么？如何设计一个简单的Agent？
• 请解释Transformer的注意力机制