主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（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": "Agent算法实习生（J104743）",
"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": "本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-搜索算法优化：围绕召回、排序、相关性、Query 理解等方向开展问题分析与方案落地，提升搜索结果质量与用户体验\n-大模型建模与应用：探索 LLM/Embedding/Rerank 在相关性判定、意图识别、Query 改写、同义/纠错等场景的建模方案，验证效果收益\n-样本与数据建设：负责 Query-Doc、点击/转化等样本的构造与清洗，设计标注规范与抽样策略，利用 LLM 辅助生成弱标注/银标数据并做一致性校验\n-模型训练与评估：参与特征工程、训练/验证集拆分、离线评估与误差分析；探索 SFT/LoRA、偏好优化（DPO 思路）等微调实践\n-基于 Coding Agent 的算法提效与线上优化：深入使用 Coding Agent（如 Claude Code 等）驱动算法迭代——自动化数据分析、误差归因、Case 挖掘与线上问题诊断；探索面向搜索算法场景的 Agent/Skill 沉淀（评测流水线、样本构造、实验分析等），把重复的分析与验证工作工具化、可复用化\n-Agent 与大模型结合探索：结合 Prompt 工程、工具调用与结构化输出，构建面向搜索的智能分析/评测 Agent，验证其在相关性评估、Query 理解、数据标注等环节的效率与效果提升\n-实验与效果分析：制定 A/B 实验方案、核心指标与分桶策略，跟踪上线效果并输出结论与改进建议，完善回归与监控机制",
"requirements_text": "-计算机/数学/统计/机器学习等相关专业在读，本科及以上；机器学习、数据分析与算法基础扎实\n-熟练使用 Python 与数据分析工具（NumPy/Pandas/Sklearn 等），熟悉至少一种深度学习框架（PyTorch/TensorFlow）者优先\n-有大模型相关实践者优先：数据构建（标注/弱标注/合成数据）、Embedding/向量检索、Rerank、Prompt 设计、SFT/LoRA 微调、评测体系（相关性/一致性/幻觉控制）等任一方向\n-熟悉或有强烈意愿深入使用 Coding Agent（如 Claude Code、Cursor 等），理解 Agent 的工具调用/Prompt 编排机制，能用 Agent 加速数据分析、实验与问题诊断者优先\n-对搜索/推荐/NLP 有兴趣或项目经验者优先，了解召回、排序、学习排序（LTR）、Query 理解、相关性评估与 A/B 实验方法\n-沟通推进与文档能力良好，有实验可复现意识与代码规范\n-可连续实习 6 个月以上、每周到岗 4 天以上者优先",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"自然语言处理",
"数据分析",
"大语言模型"
],
"preferred_qualifications": "熟练使用 Python 与数据分析工具（NumPy/Pandas/Sklearn 等），熟悉至少一种深度学习框架（PyTorch/TensorFlow）者优先；有大模型相关实践者优先：数据构建（标注/弱标注/合成数据）、Embedding/向量检索、Rerank、Prompt 设计、SFT/LoRA 微调、评测体系（相关性/一致性/幻觉控制）等任一方向；熟悉或有强烈意愿深入使用 Coding Agent（如 Claude Code、Cursor 等），理解 Agent 的工具调用/Prompt 编排机制，能用 Agent 加速数据分析、实验与问题诊断者优先；对搜索/推荐/NLP 有兴趣或项目经验者优先，了解召回、排序、学习排序（LTR）、Query 理解、相关性评估与 A/B 实验方法；可连续实习 6 个月以上、每周到岗 4 天以上者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/22b11ac9-3920-4236-b079-49e13f5d08d3"
}
]
},
"posting": {
"posting_id": "22b11ac9-3920-4236-b079-49e13f5d08d3",
"post_date": "2026-08-19",
"hire_time": "可连续实习 6 个月以上、每周到岗 4 天以上者优先",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/22b11ac9-3920-4236-b079-49e13f5d08d3"
},
"fulltext": "Agent算法实习生（J104743）\nAgent算法实习生（J104743）\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：1\n发布时间：2026-08-19\n\n工作职责\n-搜索算法优化：围绕召回、排序、相关性、Query 理解等方向开展问题分析与方案落地，提升搜索结果质量与用户体验\n-大模型建模与应用：探索 LLM/Embedding/Rerank 在相关性判定、意图识别、Query 改写、同义/纠错等场景的建模方案，验证效果收益\n-样本与数据建设：负责 Query-Doc、点击/转化等样本的构造与清洗，设计标注规范与抽样策略，利用 LLM 辅助生成弱标注/银标数据并做一致性校验\n-模型训练与评估：参与特征工程、训练/验证集拆分、离线评估与误差分析；探索 SFT/LoRA、偏好优化（DPO 思路）等微调实践\n-基于 Coding Agent 的算法提效与线上优化：深入使用 Coding Agent（如 Claude Code 等）驱动算法迭代——自动化数据分析、误差归因、Case 挖掘与线上问题诊断；探索面向搜索算法场景的 Agent/Skill 沉淀（评测流水线、样本构造、实验分析等），把重复的分析与验证工作工具化、可复用化\n-Agent 与大模型结合探索：结合 Prompt 工程、工具调用与结构化输出，构建面向搜索的智能分析/评测 Agent，验证其在相关性评估、Query 理解、数据标注等环节的效率与效果提升\n-实验与效果分析：制定 A/B 实验方案、核心指标与分桶策略，跟踪上线效果并输出结论与改进建议，完善回归与监控机制\n\n职责要求\n-计算机/数学/统计/机器学习等相关专业在读，本科及以上；机器学习、数据分析与算法基础扎实\n-熟练使用 Python 与数据分析工具（NumPy/Pandas/Sklearn 等），熟悉至少一种深度学习框架（PyTorch/TensorFlow）者优先\n-有大模型相关实践者优先：数据构建（标注/弱标注/合成数据）、Embedding/向量检索、Rerank、Prompt 设计、SFT/LoRA 微调、评测体系（相关性/一致性/幻觉控制）等任一方向\n-熟悉或有强烈意愿深入使用 Coding Agent（如 Claude Code、Cursor 等），理解 Agent 的工具调用/Prompt 编排机制，能用 Agent 加速数据分析、实验与问题诊断者优先\n-对搜索/推荐/NLP 有兴趣或项目经验者优先，了解召回、排序、学习排序（LTR）、Query 理解、相关性评估与 A/B 实验方法\n-沟通推进与文档能力良好，有实验可复现意识与代码规范\n-可连续实习 6 个月以上、每周到岗 4 天以上者优先\n-搜索算法优化：围绕召回、排序、相关性、Query 理解等方向开展问题分析与方案落地，提升搜索结果质量与用户体验\n-大模型建模与应用：探索 LLM/Embedding/Rerank 在相关性判定、意图识别、Query 改写、同义/纠错等场景的建模方案，验证效果收益\n-样本与数据建设：负责 Query-Doc、点击/转化等样本的构造与清洗，设计标注规范与抽样策略，利用 LLM 辅助生成弱标注/银标数据并做一致性校验\n-模型训练与评估：参与特征工程、训练/验证集拆分、离线评估与误差分析；探索 SFT/LoRA、偏好优化（DPO 思路）等微调实践\n-基于 Coding Agent 的算法提效与线上优化：深入使用 Coding Agent（如 Claude Code 等）驱动算法迭代——自动化数据分析、误差归因、Case 挖掘与线上问题诊断；探索面向搜索算法场景的 Agent/Skill 沉淀（评测流水线、样本构造、实验分析等），把重复的分析与验证工作工具化、可复用化\n-Agent 与大模型结合探索：结合 Prompt 工程、工具调用与结构化输出，构建面向搜索的智能分析/评测 Agent，验证其在相关性评估、Query 理解、数据标注等环节的效率与效果提升\n-实验与效果分析：制定 A/B 实验方案、核心指标与分桶策略，跟踪上线效果并输出结论与改进建议，完善回归与监控机制\n-计算机/数学/统计/机器学习等相关专业在读，本科及以上；机器学习、数据分析与算法基础扎实\n-熟练使用 Python 与数据分析工具（NumPy/Pandas/Sklearn 等），熟悉至少一种深度学习框架（PyTorch/TensorFlow）者优先\n-有大模型相关实践者优先：数据构建（标注/弱标注/合成数据）、Embedding/向量检索、Rerank、Prompt 设计、SFT/LoRA 微调、评测体系（相关性/一致性/幻觉控制）等任一方向\n-熟悉或有强烈意愿深入使用 Coding Agent（如 Claude Code、Cursor 等），理解 Agent 的工具调用/Prompt 编排机制，能用 Agent 加速数据分析、实验与问题诊断者优先\n-对搜索/推荐/NLP 有兴趣或项目经验者优先，了解召回、排序、学习排序（LTR）、Query 理解、相关性评估与 A/B 实验方法\n-沟通推进与文档能力良好，有实验可复现意识与代码规范\n-可连续实习 6 个月以上、每周到岗 4 天以上者优先",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}