算法实习

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

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！

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。

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

本人大三，acm区域银，面上了一家中小厂的算法实习，薪资开的双倍于预期，在本人不考虑读研的情况下，能继续走算法这条路吗？或者是下半年着手别的方向？求大佬指点

自我介绍 对推荐算法了解如何项目深挖两个项目都是kaggle上的，面试官还吐槽怎么全是kaggle（这不是非科班没有项目只能硬整两个么）打比赛模型大家都差不多，如何进行提升介绍一下transfermer手写一下transfermer的自注意力的公式求数组中第k大的数（写了个nlogn的归并，经面试官提醒发现可以用快排写o(n)，但是快排忘了）反问面试了一个小时，体验还行，面试官看我写的代码看了半天，代码可读性真不行

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...

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。

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

🏢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

1自我介绍 2.介绍一下第三个项目:一个大模型的密文检索项目,做的太久了,而且感觉不会问,就没怎么准备.结果面试官很懂行,虽然问的都是比较简单的,但是没反应过来. 很多回答的很不好3.提及自己在上次面试完看了一些搜广推相关的东西简单聊了一些搜广推的基础知识之类的4.面试官部门有两个大模型方向,一个纯nlp,一个和其他结合,询问将来的规划.5.两个思考题第一个如何不用乘法实现乘法第二个如何只使用random(0,7)实现random(0,9)反问:组内是基本纯业务嘛?会更希望招什么样的实习生.(感觉有点凉