主分类：大模型与生成式算法研发
辅助：Agent系统开发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "多模态大模型算法实习生（J105847）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "MEG",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-负责参与多模态大模型相关算法研发与实验，包括多模态文档与版面分析、图文结构化识别、复杂图文语义理解，以及多模态检索相关性建模等技术方向\n-负责协助设计与搭建应用级 Agent 架构，深度参与任务规划、智能路由、检索增强生成（RAG）、工具调用、结果校验及多轮交互等模块的开发与验证\n-负责参与离线数据与内容生产体系的建设，协助搭建数据挖掘、自动生成、质量评估与线上反馈的数据闭环，赋能模型能力自进化\n-负责配合建立模型自动化评测体系，协助构建测试集、LLM-as-Judge 评估流程及规则校验机制，定位模型能力边界与典型 Badcase 归因\n-负责配合团队开展算法工程化落地与性能调优，参与模型效果、推理时延、算力成本及系统稳定性的联合优化\n-负责跟踪多模态大模型、Agent 及大模型后训练（Post-Training）领域的前沿技术进展，配合团队推进创新方案落地及论文、专利成果产出",
"requirements_text": "-计算机、人工智能、数学、电子信息等相关专业，硕士及以上学历，具备扎实的机器学习、深度学习和自然语言处理基础\n-具备多模态理解、大模型后训练、搜索排序、RAG、Agent、Reward Model、自动化评测中一项或多项实际项目经验\n-具备较强的算法研究与工程落地能力，能够将真实业务问题抽象为明确的任务定义、数据方案、算法方案和评价指标\n-具备良好的数据分析、沟通协作和项目推进能力\n-有顶级会议论文发表者优先",
"skills": [AI生成
"机器学习",
"深度学习",
"自然语言处理",
"数据分析",
"项目推进",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有顶级会议论文发表者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/03d2bbef-00d8-42ca-a255-8bf266ef0a16"
}
]
},
"posting": {
"posting_id": "03d2bbef-00d8-42ca-a255-8bf266ef0a16",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/03d2bbef-00d8-42ca-a255-8bf266ef0a16"
},
"fulltext": "多模态大模型算法实习生（J105847）\n多模态大模型算法实习生（J105847）\n\n基础信息\n部门：MEG\n地点：北京市\n项目：日常实习项目\n类别：技术\n招聘人数：3\n发布时间：2026-09-16\n\n工作职责\n-负责参与多模态大模型相关算法研发与实验，包括多模态文档与版面分析、图文结构化识别、复杂图文语义理解，以及多模态检索相关性建模等技术方向\n-负责协助设计与搭建应用级 Agent 架构，深度参与任务规划、智能路由、检索增强生成（RAG）、工具调用、结果校验及多轮交互等模块的开发与验证\n-负责参与离线数据与内容生产体系的建设，协助搭建数据挖掘、自动生成、质量评估与线上反馈的数据闭环，赋能模型能力自进化\n-负责配合建立模型自动化评测体系，协助构建测试集、LLM-as-Judge 评估流程及规则校验机制，定位模型能力边界与典型 Badcase 归因\n-负责配合团队开展算法工程化落地与性能调优，参与模型效果、推理时延、算力成本及系统稳定性的联合优化\n-负责跟踪多模态大模型、Agent 及大模型后训练（Post-Training）领域的前沿技术进展，配合团队推进创新方案落地及论文、专利成果产出\n\n职责要求\n-计算机、人工智能、数学、电子信息等相关专业，硕士及以上学历，具备扎实的机器学习、深度学习和自然语言处理基础\n-具备多模态理解、大模型后训练、搜索排序、RAG、Agent、Reward Model、自动化评测中一项或多项实际项目经验\n-具备较强的算法研究与工程落地能力，能够将真实业务问题抽象为明确的任务定义、数据方案、算法方案和评价指标\n-具备良好的数据分析、沟通协作和项目推进能力\n-有顶级会议论文发表者优先\n-负责参与多模态大模型相关算法研发与实验，包括多模态文档与版面分析、图文结构化识别、复杂图文语义理解，以及多模态检索相关性建模等技术方向\n-负责协助设计与搭建应用级 Agent 架构，深度参与任务规划、智能路由、检索增强生成（RAG）、工具调用、结果校验及多轮交互等模块的开发与验证\n-负责参与离线数据与内容生产体系的建设，协助搭建数据挖掘、自动生成、质量评估与线上反馈的数据闭环，赋能模型能力自进化\n-负责配合建立模型自动化评测体系，协助构建测试集、LLM-as-Judge 评估流程及规则校验机制，定位模型能力边界与典型 Badcase 归因\n-负责配合团队开展算法工程化落地与性能调优，参与模型效果、推理时延、算力成本及系统稳定性的联合优化\n-负责跟踪多模态大模型、Agent 及大模型后训练（Post-Training）领域的前沿技术进展，配合团队推进创新方案落地及论文、专利成果产出\n-计算机、人工智能、数学、电子信息等相关专业，硕士及以上学历，具备扎实的机器学习、深度学习和自然语言处理基础\n-具备多模态理解、大模型后训练、搜索排序、RAG、Agent、Reward Model、自动化评测中一项或多项实际项目经验\n-具备较强的算法研究与工程落地能力，能够将真实业务问题抽象为明确的任务定义、数据方案、算法方案和评价指标\n-具备良好的数据分析、沟通协作和项目推进能力\n-有顶级会议论文发表者优先",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}