国际事业群IBG-（6）算法实习生

优缺点分析

角色解读

• 短期可通过实习深入了解大模型在复杂业务场景中的应用，积累从数据到策略的全链路开发经验
• 转正后可成长为专注于安全风控或智能体技术领域的算法工程师，并有机会参与更核心的国际化项目
• 长期发展可朝向算法专家或技术负责人方向发展，引领AI技术在业务安全领域的创新与落地
• 设计、研发和优化一个基于大模型的智能代理（Agent），用于分析和识别国际业务中的风险账号
• 处理文本、图像、视频等多模态数据，清洗数据、构建高质量数据集并完成特征对齐，以支持模型判断
• 让Agent能够自主进行数据分析、假设提出和策略生成，使其分析逻辑更贴合人类业务专家的认知
• 精通至少一种深度学习框架（如PyTorch或TensorFlow），具备扎实的编程和工程实现能力
• 熟悉大模型训练相关技术，如监督微调（SFT）或强化学习，并有实际应用或研究经验
• 具备多模态数据处理经验，了解文本、图像等异构数据的预处理和特征融合方法

申请策略

• 在申请材料或面试中，表现出对滴滴国际化业务及其技术挑战的了解和思考，表明你做过功课
• 准备一个与岗位描述（如多模态数据处理或智能体设计）相关的个人项目或研究案例，以便在面试中深入阐述
• 重点突出与大模型、深度学习相关的项目经历或论文，尤其是涉及数据处理、模型微调或智能体设计的部分
• 详细描述使用过的深度学习框架及相关工程实践，展示扎实的编程和动手能力
• 如有相关竞赛获奖或开源项目贡献，可作为技术热情的有力证明
• 系统复习和实践大模型训练、微调（SFT）以及强化学习（如PPO）的理论与工具链
• 学习多模态数据处理和分析的常见方法，如CLIP等跨模态模型的应用
• 了解风控领域的基本概念和常见技术手段，思考如何用AI技术解决具体业务问题

面试指南

• 对于项目经历问题，使用STAR法则（情境、任务、行动、结果）清晰阐述，并重点说明自己的技术贡献和思考
• 对于设计类问题，可以从业务目标出发，阐述技术方案选型的逻辑，体现技术与业务结合的思维
• 对于概念和方法论问题，先给出清晰定义，再结合具体场景举例说明，展示扎实的理论基础和迁移能力
• 请介绍一个你之前做过的深度学习项目，你在其中主要负责什么？遇到了哪些技术挑战？
• 你如何理解‘与人类业务认知对齐’的Agent？你会如何设计这样一个系统？
• 如果让你处理一段包含用户视频和文本的多模态数据来判断账号风险，你的思路是什么？
• 你对强化学习在Agent优化中的应用有什么了解？在实践中可能会遇到哪些问题？
• 你最近读过印象最深的一篇AI相关论文是什么？它解决了什么问题？有什么启发？