算法实习

攻略 🌈【大模型评估全攻略】！LLM七大核心评估维度保姆级拆解💯👉🏻预训练→SFT→RLHF→数据集→RAG→Agent→Prompt🔥一、预训练评估评估大型语言模型（LLM）的预训练效果需要从多个维度综合考量，涉及基础语言能力、下游任务表现、知识掌握、推理能力等。🔥二、SFT评估评估大型语言模型（LLM）在监督式微调（Supervised Fine-Tuning, SFT）后的效果，需要结合任务目标、领域特性和模型能力设计多维度的评估体系。🔥️三、RLHF评估评估大型语言模型（LLM）在通过RLHF（基于人类反馈的强化学习）后的效果需要从多个维度综合考量，包括生成质量、安全性、对齐性、任务完成度等。🔥四、数据集评估在评估数据集的质量时，可以从以下几个关键方面进行评估：1. 数据多样性2. 数据平衡性3. 数据完整性4. 数据一致性5. 数据与任务的适合性6. 标注准确性🔥五、RAG评估从召回、排序、生成、整体四个维度来评估RAG性能。使用了多种指标，如准确率（Correct）、错误率（Wrong）、失败率（Fail）、BERTScore、ROUGE Score等，以全面评估生成答案的质量。🔥六、Agent评估现如今Agent开发工具/框架不断出现，但如何全面地对Agent进行评估却很困难，本文就从介绍一些主流的Agent/LLM-as-Agent评估工作来看看是否能得到一些启发。🔥七、Prompt评估评估Prompt的好坏需要一个全面和多维度的方法，结合自动评估指标、人工评估和用户反馈等多种手段。选择合适的评估方法和技术，能够有效提升Prompt的质量和生成效果，进而提高模型的整体性能和应用体验。通过不断优化和改进Prompt设计，可以实现更自然、更准确、更有效的自然语言。

1. 自我介绍2. 实习经历拷打：-最近一段实习具体工作内容-介绍一下参与开发的大模型知识库问答系统的整体架构-系统开发工具与框架-介绍一下知识库类别与构建策略，包括RAG数据库与知识图谱-RAG分块、检索、召回策略-问答系统面向用户群体，功能与性能如何测试3. 项目+技术拷打-知识图谱构建方法，LLM+提示词工程+SFT-知识图谱构建各阶段详细流程设计，包括NER、RE等-SFT数据集构建方法，LLM生成+人工校验4. 算法-一道非hot 100简单-一道hot 100简单5. 反问-主要业务-实习生发展与能力提升

学历背景：电子科技大学（985）· 计算机科学与技术 · 硕士（2024.09-2027.06）学术荣誉：本硕双985，保研，硕士GPA 4.0/4.0（Top 2.8%），多次获得一等奖学金英语水平：CET-6 (567)顶会论文：EMNLP 2025 录用（共一）针对 Agent 缺乏全局视野问题，设计了基于图结构世界模型（Graph-based World Model）的智能体框架 。提出 Code-as-Policy 前瞻性规划机制，实现复杂任务的高鲁棒性决策 。算法竞赛：阿里天池 FT-Data Ranker 大语言模型微调数据赛 Top 3% (11/385) 。【项目经历】具身智能 (Robotics)：推理加速：设计基于 DCT 的自适应分词算法，在 AgileX Piper 真机实现“变长输入、定复杂度输出”，显著提升控制稳定性 。Agent & RAG：构建基于 LangGraph 的多智能体协同框架（ScholarCopilot），实现具备自我修正能力的闭环工作流 。采用 BM25+Vector 混合检索及 RRF 融合策略，显著降低学术引文幻觉 。【专业技能】框架/生态：熟练使用 Python/PyTorch，熟悉 HuggingFace 生态及 VLM 模型微调 。工程能力：掌握 vLLM 加速、AWQ 量化、ROS 通信及 Android 自动化控制 。真机经验：具备 AgileX Piper 机械臂真机控制与数据采集经验 。【求职意向】目标岗位：具身智能算法、大模型算法、AI Agent 研究员、多模态算法等实习生。到岗时间：2026年暑期，Base地：成都/北京/上海/杭州/深圳。完整简历（PDF）已准备好，欢迎有 HC 的 HR 或内推大佬私信了解详情！

双非计算机专业，给导师做了两年项目，想去实习被拒。 奇葩理由如下：  ①没给他做贡献！ 我白白给他做了两年项目，最后说我没给团队做贡献（这个项目就我一个人在做，还不算平时各种杂活）    ②然后说我发的cscd论文对他一点用没有， 我读研是为了就业，发论文是为了达到毕业要求，我为啥要对你做贡献？？？我给你做项目白做的么？？？我学费一分不少的交了，我为啥发论文还要考虑对你有啥用？？      ③说我"就我这样能进去腾讯？"，直接言语攻击我，我说拿到腾讯实习offer了， 他最后竟然说"腾讯这些企业啥都不是，做的都没什么，不如我们研究的好"。我寻思着我们都是...

经常有同学问我：都说算法岗重实习，可第一份实习到底从哪里找起？作为面试官，今天分享些实用建议。算法面试三大板块：算法知识、项目经历、LeetCode，这三块必须扎实。今天重点说说前两项。算法知识学什么？基础机器学习模型必须掌握：线性模型、树模型和简单的深度学习模型。建议看《互联网大厂推荐算法实战》《深度学习推荐系统》《统计学习方法》吴恩达的机器学习课程，再配合《机器学习》西瓜书巩固理论等。深度学习方面，CNN、RNN和Transformer是重点。推荐李宏毅的深度学习课程，讲解清晰易懂。大模型知识现在越来越重要，至少要了解GPT、BERT等主流模型的基本原理。项目经历从哪来？算法比赛是个好选择，Kaggle、天池都有适合新手的赛事。从入门赛开始，完整走完数据清洗、特征工程、模型训练的全流程，这样的经历在简历上很加分。论文复现也是亮点。找一篇顶会的开源代码，筛选一些热门论文，把代码跑通并做点小改进。这个过程能体现你的工程能力和钻研精神。如果你时间充裕、自制力强，按这个路径学习足够找到不错的实习。学习

最近大模型带火了算法岗，很多同学纠结该选算法还是开发。今天站在中立角度聊聊这两个方向，希望帮你找到最适合自己的路。开发的优势:1.学习氛围好：实验室里大部分同学都走开发方向，遇到问题可以互相交流，信息互通有无。算法学习往往需要独自钻研，这种支持系统对校招很重要2.岗位机会多：开发的招聘名额远多于算法，这是不争的事实3.竞争相对温和：虽然应聘人数多，但竞争者水平参差不齐。只要你踏实学习、认真实习，拿到大厂offer并不需要顶尖天赋4.薪资可观：虽然上限不如算法，但开发岗的SSPoffer性价比很高，且获得难度相对较低5.职业稳定性：开发工作成果更容易量化，只要认真完成需求，绩效通常不会差。算法可能一年都没有明显产出，容易产生焦虑算法的优势:1.薪资更具吸引力：随着大模型风口，算法薪资水涨船高，与开发的差距逐渐拉大2.学习成本较低：不需要深入掌握计算机网络、操作系统等底层知识，对非科班同学更友好3.处于技术风口：大模型热潮带来更多岗位机会，虽然总量仍不及开发，但未来AI领域会持续扩张4.与科研衔接顺畅：研究生期间的算法研究虽然与工业界有差距，但底层逻辑相通，不会浪费三年积累5.工作模式更自由：算法工作重视创新思维，不是靠堆时间就能出成果。而且通常不需要处理线上紧急事故，工作节奏相对稳定选择的关键不是哪个更好，而是哪个更适合你。校招的同学建议有侧重的同时也可多方向投递，毕竟现在竞争比较激烈。更多学习干货请看我主页。开发岗 大厂求职

PDD27届实习急招-base上海大模型算法+服务端+算法+客户端+前端+安全实习转正概率超高📝 简单直接划重点：✅ 超高留用率： 不画饼！往届学长学姐亲测，转正机会多多，秋招直接上岸不焦虑！✅ 硬核技术： 来了就是做实事的，绝对让你的简历有东西可写。✅ 时间友好：7月-8月全勤两个月（这是硬性要求哦）如果想早点来卷，5月就可以提前入职（提前打工，提前拿钱，提前锁定转正名额😉）🙋 适合谁：2027届毕业的宝子，想冲秋招转正机会，想有一段含金量高的实习经历。🚀 怎么投：【官网链接】https://careers.pddglobalhr.com/campus/intern?t=fmTZtKuGa3（内推码：fmTZtKuGa3）招满即止，早投递早占坑～https://mp.weixin.qq.com/s/tYSuOly-NdzFm5uD1wtCCw

🏢公司名称：阿里巴巴-阿里云-弹性计算💻招聘岗位：算法工程师-杭州/北京【业务简介】阿里巴巴- 阿里云智能-弹性计算是阿里云自研飞天平台的核心模块，管理全球超过200+数据中心和海量服务器资源，为全球数10亿用户提供着可靠的计算服务。如果你想挑战高并发、强事务的业务场景，且利用运筹优化、深度学习、强化学习等前沿技术支持支持ECS智能调度算法（在线/离线），参与建设国内最大规模的调度系统，承载每天百万次的ECS调度决策，欢迎加入ECS弹性计算-智能工程团队。1. 利用AI技术支持ECS智能调度算法（在离线调度、运筹优化模型），参与建设国内最大规模的调度系统，承载每天百万次的ECS调度决策2. 利用深度学习、大模型探索实现to B端需求规划、需求管理、供应链等领域的时序建模、需求预测等算法能力的研发3. 参与用户增长场景，分析to B端用户在各个区域不同产品的购买行为和趋势，支持用户圈选、智能化售卖推荐能力的研发。【岗位要求】1、掌握常用机器学习算法，熟悉运筹优化、强化学习、资源调度与规划、时序分析等至少一个研究领域，并具有一定的算法实现能力；2、精通Python、C++/C、Java等至少一门编程语言；3、顶会作者、大厂实习经历优先🌟内推邮箱：desy.dsy  @alibaba-inc.com💰福利待遇：400-600/天

一面： 自我介绍盘问项目，主要是在学习课题组做的网约车相关的项目，侧重于盘问关于神经网络训练方面的内容，在训练过程中有没有遇到过拟合的情况？详细描述这种情况？你认为过拟合的原因是什么？怎样解决？优化的指标是什么？模型求解的效果如何？遗传算法相比较其他启发式算法的优缺点？对常用的机器学习模型的了解如何？了解过决策树模型吗？简述随机森林算法和XGboost的区别？是否了解过用神经网络来进行时序预测的方法？手敲冒泡排序最后出了一个数学题，一根长为1的木棍，截为三段，问组成一个三角形的概率是多少？（差点给我难住）随后面试官介绍了组里的业务职责，询问了到岗时间等反问：简单评价我今天面试的表现 答：基本满意，时序预测和RNN方面需要再学习下一天后约了二面：自我介绍第一个项目（深挖）：项目的痛点是什么？怎么解决？这种解决方法有什么好处？聚类为什么聚成5类？采用什么方式聚类？用了什么距离来比较两个时间序列的相似度？上一问回答了动态规整距离，然后就问这个距离具体是怎么计算的？为什么要采用这种方式？模型的可解释性怎么体现？第二个项目（大致聊了聊）：车间调度的项目，大致问了项目背景，目标函数和约束条件反问：进组之后可以接触哪些业务？大致介绍了一下进组后的业务，对实习生的要求之类的其他还问了一些未来职业发展的方向、平时的爱好等二面结束15分钟后，收到了hr的口头offer

汇总了自己去年秋招的面试记录，希望给大家提供一些帮助。   提前祝各位都能拿到心仪的offer～       个人情况：   双985科班，研究生主要做推荐相关研究, 下面的面经基本上即为自己秋招阶段(含提前批)参加过的所有面试。     p.s.   欢迎大家投递b站实习，随时可查进度, 可以帮忙修改简历、辅导面试   通过下面链接即可   https://jobs.bilibili.com/social/positions?token=b8f76b21-800a-403f-a8fc-d0b3f7373ec1&page=1         小红书    一面 55min    cod...

2024.12.27 AI面试，给出题目，回答并录像，都是场景问题：1 你遇到的挑战，如何解决？2 你能为公司带来什么独特的价值？3 等等（10min不到）2024.12.30 一面，面试官很年轻，非常友好。1 自我介绍2 介绍在投论文3 transformer模型：介绍transformer架构；是post norm还是pre norm；attention的计算量是多少；手写multi head attention4 tokenizer的种类5 编程题：编辑距离（70min）2025.01.02 二面，面试官没开摄像头听声音很年轻，这次聊天为主：1 自我介绍2 简短的描述了论文的背景3 目前处理OOD都有哪些方法4 几个简单的线性代数概念5 AUC和F1分数的使用场景（30min）还有很多小问题忘了，整体来看，面试官没有为难，体验不错。

对于想进大厂的算法同学，一段实习经历几乎已成刚需。但现实常是：老师不放人，自己也不敢走。今天分享些真实的应对思路，希望能帮你打破困局。1、明确你的核心任务首先想清楚一件事：读研的核心目标是什么？对多数人而言，是顺利毕业并找到一份好工作。老师的项目能帮你毕业，但一份大厂实习才能帮你拿到心仪offer。两手都要抓，但精力分配上需要智慧。2、关于老师不让实习很多同学研一听到“不让实习”就放弃准备了，这很可惜。研一就需要开始找实习，最后一段实习能有半年以上经验，像我之前研究生有两段实习，一段干了一年，一段整整干了快两年，做的都是核心项目，非打杂。另导师不放人的原因很多，但关键在于沟通方式和你的前期铺垫。一种有效策略是“展现有限的科研能力”，读研时我发现，适度平庸反而是种保护。3、判断毕业风险首先评估导师的过往记录。如果他确实有卡毕业的历史，趁早考虑换导师或调整策略。如果他只是嘴上严厉但从不实际阻拦，那你需要的是更巧妙的安排。绝大多数导师也希望学生按时毕业，因为延毕会影响他的招生。4、解决异地实习难题如果你学校在二三线城市，但实习机会在一线城市，跨城实习是个现实选择。算法岗实习薪资基本打底300，通常能覆盖房租通勤成本，周五晚回校、周日再出发的模式完全可行。互联网行业的特性决定了，想拿到高薪offer，前期付出是必然的。这种奔波确实辛苦，但把它看作一种对未来的投资，心态会平衡很多。实习不仅是履历上的几行字，更是你理解业务、接触真实问题的窗口。很多人就是通过实习明确了职业方向，并在秋招中拿到远超预期的offer。更多干货请看主页。研究生规划 面试准备

2024百度实习生招聘实习时间：三个月以上base深圳表现优异者可优先获得秋招名额。实习内容：1、从事图像处理、计算机视觉、模式识别等相关领域的算法研发；2、参与项目包括但不限于人脸识别，人体行为、人体检测等人脸人体相关算法；3、参与模型的小型化，包括但不限于：剪枝、蒸馏、量化和精度对齐工作，实现端到端的部署；4、参与数据生成、数据自标注、模型自进化、视觉大模型、多模态模型的研究和落地；工作要求：1、本科及以上学历，计算机、电子、自动化、应用数学等专业优先；2、有图像处理、计算机视觉、模式识别算法研发经验；3、有以下算法经验的优先：人体检测、关键点、动作识别、视觉大模型方向；4、熟练掌握Python编程语言，熟悉OpenCV、C/C++；5、熟练掌握至少一种深度学习框架使用，包含不限于Pytorch，TensorFlow，PaddlePaddle等；欢迎简历发送至shenweifa@baidu.com，帖子还在即为还在招聘。实习      引流 #阿里 腾讯 字节 美团 华为 比亚迪