The posting
1. 参与任务规划、长期与短期记忆、检索排序、工具选择或多步决策模块的研究与实现。 2. 清洗和构建训练及评测数据,维护实验基线并对失败样本进行系统分类。 3. 复现并改进机器学习、深度学习或强化学习方法,以对照实验验证真实增益。 4. 与算法和应用工程师协作,将有效方案接入测试链路并记录复现条件。
1. 计算机、人工智能、统计、数学等相关专业在校生,具备扎实的概率统计、机器学习与算法基础。 2. 熟练使用 Python,具备机器学习、深度学习项目或科研实践经验,能使用至少一种深度学习框架完成数据处理、模型训练、推理和结果分析。 3. 理解实验设计、训练验证划分和常用评测指标,重视结论的可复现性。 4. 有较强的论文阅读、代码实现和问题拆解能力,能清晰解释方法选择。 5. 可保证稳定实习投入,具体周期与到岗安排在面试阶段确认。 加分项 - 有广告、推荐或搜索建模的项目、竞赛或科研经验,接触过点击率/转化率预估、排序、召回或用户与内容建模。 - 有 LLM 建模实践,包括监督微调、对齐、蒸馏、评测或训练数据构建中的一项或多项。 - 有 LLM 部署或推理加速实践,接触过量化、并行推理、KV Cache、服务化或 GPU 性能优化中的一项或多项。



