第四范式
上海-算法实习生
上海-算法实习生
发布于 3 个月前实习/见习
实习生仅现场办公研究与开发 (研发)
研究与开发 (研发)
Pytorch
图神经网络
大模型
强化学习
机器学习
深度学习
知识图谱
Automl
值不值得投
64综合评分
综合评分 64
AI大厂实习，前沿算法，成长空间大，但薪资福利有限。
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
5千
比研究与开发 (研发)中位数低
发布情况
长期在招 · 89 天前发布
市场机会
选择面较广
上海 · 研究与开发 (研发) · 约 1090 个在招
职位详情
关于这个职位
作为第四范式的算法实习生，你将参与前沿机器学习与强化学习模型的研发与落地，解决真实业务问题，并有机会将创新成果以论文或开源项目形式发表，积累顶级会议发表经验
该岗位适合对AI算法充满热情、具备扎实编程基础的在校学生，能快速提升技术实战能力
最低要求
本科及以上学历，熟悉机器学习、深度学习、数据挖掘、强化学习等方向之一
具备良好的编程能力，熟练掌握python/C++等编程语言，优秀的分析问题和解决问题的能力，对解决具有挑战性的问题充满激情
掌握以下任一技术方向对应的算法：AutoML，强化学习、迁移学习，对抗学习，凸优化，搜索，推荐，图神经网络，知识图谱等
较强的算法实现能力，熟悉深度学习平台，pytorch最佳
工作职责
参与相关机器学习、强化学习等模型的研发、设计、训练调优和部署等工作，配合工程团队产出企业级的算法产品
将机器学习、强化学习领域的算法应用于实际场景，解决真实业务问题
将实践中的创新点以Github Repo/Paper/Tech Report等形式开源
优先资格
有较强的代码能力优先，有各类竞赛获奖经历(如kaggle，天池、DF、DC等比赛平台)、有过ACM等编程竞赛经历，或代码开源在github上并有较大影响
在ICML/NeurIPS/ICLR/KDD/WebConf/AAAI/IJCAI等国际顶级会议或期刊上发表过论文者优先
在大模型多模态领域有相关技术经验或竞赛经验
AI 洞察
优缺点分析
优点
- 接触前沿AI技术，如AutoML、强化学习，提升技术深度
- 公司是上市AI企业，平台大，能积累工业级项目经验
- 有机会发表论文或开源代码，增强个人简历竞争力
- 团队技术氛围浓厚，与优秀同事交流，快速成长
- 竞争激烈，需要较强的自驱力和抗压能力
- 模型调优可能耗时，需要耐心和细致
- 适合对AI算法有浓厚兴趣、具备扎实编程基础、希望积累科研或工业实践经验的在校学生
缺点 / 挑战
- 实习任务较有挑战性，需要快速学习和适应
角色解读
- 实习后可转正为正式算法工程师，参与核心项目研发
- 积累论文发表经验，向学术型研究员或业界专家发展
- 通过开源项目扩大技术影响力，获得更好的职业机会
- 负责机器学习模型的研发、训练和调优，确保模型性能
- 将算法应用于实际业务场景，解决广告、推荐等领域的真实问题
- 参与模型部署，配合工程团队产出企业级算法产品
- 将创新成果以开源项目或论文形式分享，提升个人影响力
- 扎实的编程能力，熟练掌握Python/C++
- 熟悉深度学习框架PyTorch，能独立实现和调试模型
- 掌握至少一个算法方向，如强化学习、AutoML、图神经网络等
- 具备良好的问题分析和解决能力，有竞赛或开源项目经历更佳
申请策略
- 准备一个能展示代码能力的GitHub仓库，并提前梳理项目亮点
- 在面试中展现对前沿算法的热情和快速学习能力
- 突出编程竞赛获奖经历（如Kaggle、ACM）或开源项目贡献
- 详细描述一个完整的机器学习项目，包括数据、模型、结果
- 强调论文发表或技术博客，展示表达能力
- 列出所掌握的具体算法方向，如强化学习、图网络等
- 加强PyTorch的使用熟练度，学习模型部署工具ONNX或TensorRT
- 了解大模型和多模态领域的基础知识
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目，突出技术难点和解决方案
- 从理论基础出发，结合实际实验经验，展示对问题的深入理解
- 展现对问题分解和逐步优化的思路，体现系统性思考
- 介绍一个你做过的最复杂的机器学习项目，具体解决了什么问题？
- 如何对超参数进行调优？你常用哪些方法？
- 对强化学习中的探索-利用平衡如何理解？举例说明
- 比较PyTorch和TensorFlow的优缺点，你更偏好哪个？
- 如何将一个训练好的模型部署到生产环境？需要考虑哪些因素？
职位点评
薪资福利40
成长发展85
工作生活50
使命价值60
薪资福利
40较低
实习薪资和福利有限，但提供完善的成长环境和学习机会。
薪资信号未披露（AI估算：3–6千/月）
成长发展
85较高
该职位能接触到前沿AI算法，有机会发表论文或开源项目，技术成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、强化学习、AutoML、PyTorch、C++、图神经网络、知识图谱
成长机会以Github Repo/Paper/Tech Report等形式开源
业务类型ambiguous
工作生活
50较低
需要现场办公，但实习时间相对灵活，工作生活平衡一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
AI技术有广泛社会价值，但职位描述未直接体现使命感，更侧重技术实现。
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