miHoYo logo
米哈游
Agent算法工程师实习生

Agent算法工程师实习生

发布于 1 小时前

实习/见习

AI 估算 · 4.0–6.0千 · AI 参考估算
其它
本科
实习生仅现场办公AI算法
AI算法
Llm
Machine Learning
Prompt Engineering
Pytorch
Rag

值不值得投

67综合评分

综合评分 67

顶尖大厂前沿AI技术实习,高成长低WLB,适合技术极客

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

5.0千

比AI算法中位数低

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 890 个在招 · 其中AI算法 4 个

市场机会

选择面较广

上海 · AI算法 · 约 140 个在招

职位详情

关于这个职位

作为米哈游的Agent算法实习生,你将深入参与社区UGC推荐与广告投放场景的大模型应用研发

主要负责LLM/VLM在内容理解、用户洞察及智能体(Agent)核心能力(如RAG、Tool Calling、任务规划)上的探索与落地,并通过数据闭环建设优化模型效果,提升分发效率与ROI

最低要求

计算机、人工智能、统计学、数学或相关专业本科及以上在读

能保证每周4天以上、连续3个月以上的实习时间
熟悉机器学习/深度学习基础算法,有相关课程项目、竞赛或科研经历
了解大语言模型与Agent相关技术,对Prompt、RAG、Tool Calling、对齐训练(SFT、RLHF、DPO等)中的一项或多项有实践或深入理解
编程基本功扎实,熟练掌握Python,熟悉至少一种深度学习框架(PyTorch/TensorFlow)
具备良好的数据分析能力与沟通协作能力,能主动发现问题、拆解问题并推动解决
对大模型与Agent技术有强烈探索欲,学习能力强,乐于在真实业务场景中打磨技术

工作职责

面向社区与UGC内容推荐场景,参与基于LLM/VLM的内容理解与用户理解,探索Agentic Recommendation、生成式推荐、冷启动等方向,提升优质内容的分发效率与用户消费体验

面向境内外广告投放场景,参与投放智能体的研发,探索人群洞察与人群包生成、素材智能生产与创意迭代、预算分配与出价调优等环节的大模型应用,提升获客规模与ROI
参与Agent核心能力的研发与调优,包括Prompt Engineering、RAG、Function/Tool Calling、任务规划与多步推理、上下文与Memory管理等,解决长链路任务中的稳定性、幻觉与成本问题
参与高质量数据与评测闭环建设,包括评测集构建、离线评测、Badcase分析与在线AB实验,支持模型精调(SFT、DPO等)与线上迭代

优先资格

有Agent与RAG的落地经验:工具调用、Planning/多步推理、长上下文理解与跨文档融合、评测体系建设等

有推荐/搜索/广告相关的实习或项目经历,了解召回、排序、人群定向或出价策略中的一个环节
有LLM/Agent/搜推相关论文、开源贡献或有影响力的个人项目
熟悉游戏行业或内容社区生态,对创作者生态、社区互动机制有自己的观察

AI 洞察

优缺点分析

优点

  • 接触业界最前沿的LLM Agent技术在大型互联网公司的落地场景
  • 拥有顶级游戏公司的平台资源和数据优势
  • 技术栈极具前瞻性和市场竞争力
  • 技术更新极快,需要持续高强度学习
  • 业务场景复杂,需平衡模型效果与计算成本
  • 竞争激烈,对学术背景和工程能力要求双高
  • 计算机科学/AI相关专业在校生,对大模型技术有浓厚兴趣,具备较强动手能力和研究背景的求职者

缺点 / 挑战

暂无明显挑战项

角色解读

  • 从实习生成长为AI算法专家,深耕AIGC、智能推荐或广告算法领域,具备成为高级研究员或技术负责人的潜力
  • 负责将大语言模型(LLM)和视觉语言模型(VLM)应用于米哈游的社区推荐和广告投放业务中
  • 需要扎实的Python编程能力和深度学习框架使用经验,深入理解LLM、RAG、Agent架构及微调技术

申请策略

  • 关注米哈游的游戏和社区文化,展现对二次元或游戏行业的热爱
  • 准备具体的项目案例,清晰阐述你在其中解决的问题和技术选型
  • 突出LLM/Agent相关的课程项目、竞赛获奖或科研经历
  • 强调Python编程能力和PyTorch/TensorFlow熟练度
  • 展示对RAG、Prompt Engineering等具体技术的深入理解
  • 补充推荐系统或广告算法的基础知识
  • 尝试复现最新的LLM Agent论文代码
  • 积累数据处理和模型评估的实战经验

面试指南

  • 采用STAR法则(情境、任务、行动、结果)描述项目经历
  • 重点突出技术选型的理由、遇到的困难及解决方案、最终的效果量化指标
  • 展现对技术原理的深度思考而非仅仅调用API
  • 请介绍一个你使用LLM或Agent解决的具体项目,遇到的最大挑战是什么?
  • 你对RAG技术有哪些理解?如何解决检索增强中的噪声问题?
  • 如何设计一个Agent的任务规划和多步推理机制?
  • 在推荐系统中,如何利用LLM进行冷启动或内容理解?
  • 请解释一下SFT、RLHF/DPO的区别及应用场景

职位点评

薪资福利65
成长发展95
工作生活40
使命价值70

薪资福利

65中等

实习津贴处于市场中上水平,但作为实习生无法享受正式员工的完整福利体系,薪资激励相对有限。

薪资信号未披露(AI估算:4.0–6.0千/月)

成长发展

95较高

极高发展性动机满足,接触前沿LLM/Agent技术,在顶级公司核心业务线历练,成长空间巨大。

技术前沿前沿/新兴技术
技术栈LLM、VLM、Agent、RAG、Prompt Engineering、SFT、DPO、PyTorch
业务类型profit_center

工作生活

40较低

互联网大厂通常工作节奏较快,虽为实习岗但核心研发部门压力不小,WLB一般。

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

70中等

通过技术手段提升用户体验和商业效率,具有明确的商业价值和社会影响力,但非纯公益性质。

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