大模型算法实习生（评测方向）

优缺点分析

角色解读

• 实习期表现优异可争取转正机会，成为大模型算法工程师
• 深入大模型评测与可解释性领域，成长为该细分方向的专家
• 构建和优化大模型评测体系与框架，确保评测任务的科学性与公允性
• 针对特定业务场景建设内部评测集，定义模型能力标准
• 从可解释性角度深入分析模型内在机理，挖掘模型pattern对能力的影响
• 扎实的机器学习与深度学习基础，熟悉大模型（LLM）的训练与评估方法
• 具备较强的数据分析能力，能够深入观察和分析数据及trace
• 对AGI和模型评测有浓厚兴趣，具备一定的学术研究或论文发表经验

申请策略

• 了解米哈游在AI领域的业务布局（如AI NPC、内容生成等），在面试中结合业务场景谈评测
• 突出在大模型训练、评估或可解释性方面的研究经历和论文成果
• 展示数据分析能力，特别是处理复杂数据或trace的经验
• 强调对AGI和模型评测的深入理解与热情
• 熟悉主流大模型评测基准（如MMLU, HumanEval等）及评测框架
• 学习模型可解释性相关技术（如Attention分析、探针等）

面试指南

• STAR法则：针对经历类问题，按照情境、任务、行动、结果的结构回答
• 结构化思维：针对设计类问题，从目标定义、指标设计、数据构建、结果分析等步骤展开
• 你如何理解大模型评测？目前主流的评测方法有哪些局限性？
• 如果让你为游戏NPC场景设计一个评测集，你会关注哪些维度？
• 请分享一次你深入分析数据或模型trace并发现问题的经历
• 你如何看待大模型的可解释性？有哪些常用的分析方法？
• 复习大模型相关论文，特别是关于评测（Evaluation）和可解释性（Interpretability/Mechanistic Interpretability）的最新研究
• 准备自己过往研究项目的详细细节，能够深入探讨技术难点和解决方案