吉利汽车
AI大模型应用开发实习生
AI大模型应用开发实习生
发布于 大约 18 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Pytorch
大模型
强化学习
数据清洗
机器学习
深度学习
值不值得投
76综合评分
综合评分 76
吉利汽车AI大模型实习，前沿技术成长机会大，薪资一般，WLB未知。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
5K
比机器学习工程中位数低
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 2060 个在招 · 其中机器学习工程 6 个
市场机会
选择不多
宁波 · 机器学习工程 · 3 个在招
职位详情
关于这个职位
该职位是吉利汽车的AI大模型应用开发实习生，主要负责数据收集与处理、大模型算法研究与优化、智能体算法开发，以及将模型能力转化为业务解决方案
工作涉及前沿人工智能技术，适合对AI有浓厚兴趣的硕士生
最低要求
硕士及以上学历
熟练掌握Python、C、C++等至少一种编程语言，具备较好的数学基础
深入掌握主流深度学习框架（如PyTorch），能够灵活进行模型训练、调参和调优
深入理解机器学习、深度学习原理，熟悉主流算法及其适用场景
掌握CV、NLP领域相关技术应用，对目标检测、分割、语义理解、生成等任务有深入研究
熟练掌握Transformer架构，掌握大模型预训练、微调、指令微调、RLHF等技术，熟悉模型压缩技术
熟悉LangChain、ReAct等智能体开发框架
熟练掌握数据清洗、治理的技术及相关工具，具备大规模数据处理能力
具备数据挖掘、数据分析能力，能够从海量数据中提取关键特征
强烈的责任心，较好的学习能力和自驱力，良好的沟通协作能力
工作职责
负责数据的收集、清洗和预处理工作，为模型训练提供高质量的数据支持
负责大模型算法的研究、模型训练与优化
参与智能体算法的设计、开发和实现，包括但不限于强化学习、多智能体系统，能根据实际需求基于大模型搭建智能体
持续跟进人工智能前沿技术，探索新的算法应用，推动团队持续创新
负责任务建模、模型训练和持续优化，将模型能力转化为实际的业务解决方案
优先资格
有AI算法项目经验，有大模型训练、部署、应用实际经验优先
AI 洞察
优缺点分析
优点
- 接触吉利汽车在AI大模型和智能体领域的实际应用，技术落地机会多
- 学习前沿技术如Transformer、RLHF、智能体开发，技能提升快
- 大公司平台提供良好的学习资源、项目经验和职业背书
- 实习要求高，需掌握深度技术知识和实战能力，学习曲线陡峭
- 竞争激烈，需持续自我驱动学习以跟上技术发展
- 适合对人工智能、大模型技术有浓厚兴趣，具备扎实编程和数学基础，希望在大公司积累前沿技术经验的硕士生
缺点 / 挑战
- 可能面临项目时间紧、技术难度大的压力，需要快速适应
角色解读
- 从实习生成长为AI算法工程师或机器学习工程师
- 可转向大模型研发、智能体开发等前沿技术方向
- 积累经验后有机会向技术管理、产品岗位或学术研究发展
- 负责数据收集、清洗和预处理，为大模型训练提供高质量数据支持
- 研究和优化大模型算法，进行模型训练与调参
- 设计并开发智能体算法，基于大模型搭建实际应用
- 持续跟进AI前沿技术，探索创新应用并推动团队进步
- 将模型能力转化为业务解决方案，进行任务建模和持续优化
- 熟练掌握Python、C/C++编程和扎实的数学基础
- 深入掌握PyTorch等深度学习框架，能灵活进行模型训练
- 精通Transformer架构、大模型预训练与微调技术（如RLHF）
- 熟悉LangChain、ReAct等智能体开发框架
申请策略
- 关注吉利汽车在智能驾驶、车联网方面的AI应用，了解业务背景
- 准备展示项目成果，如GitHub仓库、论文或演示，增强说服力
- 突出Python、PyTorch等编程和框架使用经验，展示项目代码或成果
- 强调在机器学习、深度学习项目中的具体贡献，如模型优化、数据处理
- 列出对Transformer、大模型技术的理解和应用，如微调、智能体开发
- 体现数据处理能力，如数据清洗、挖掘的实践经验
- 深入学习大模型训练技术，如RLHF、指令微调，通过实践项目巩固
- 实践智能体开发框架，如LangChain、ReAct，构建简单应用案例
面试指南
- 使用STAR方法（情境、任务、行动、结果）描述项目经历，强调技术深度和解决问题的能力
- 结合具体算法和框架（如PyTorch、LangChain），展示实际操作和调优经验
- 从技术可行性和业务价值角度分析问题，体现对应用的理解
- 请解释Transformer架构的工作原理，以及它在大模型中的应用
- 描述一个你参与的大模型项目，从数据处理到模型部署的流程
- 如何处理大规模数据清洗和治理？有哪些常用工具和方法？
- 智能体算法在实际应用中如何设计？举例说明强化学习或多智能体系统
- 你如何看待AI大模型在汽车行业的应用场景？
职位点评
薪资福利70
成长发展90
工作生活60
使命价值75
薪资福利
70中等
实习津贴在宁波地区属于市场水准，但作为实习生薪资可能有限，福利待遇未在JD中提及。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
90较高
职位涉及前沿AI技术如大模型、智能体开发，提供显著的学习和成长机会，技术栈现代且有创新性。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformer、大模型、LangChain
成长机会持续跟进人工智能前沿技术、推动团队持续创新
业务类型ambiguous
工作生活
60中等
JD未提及办公模式，但实习岗位通常需要现场办公，WLB情况不明，加班信号未明确。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
人工智能是高速增长赛道，在汽车行业有创新应用，具有较好的行业前景和社会中性影响力。
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