主分类：搜索推荐与业务决策算法研发
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": "生成式排序模型算法工程师（J104592）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "MEG",
"location": "北京市,上海市",
"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": "-2027届计算机、数学、自动化等相关专业在校硕士或博士生",
"language": "具备极强的学习能力和好奇心，能够阅读英文文献并快速上手新技术",AI生成
"visa_support": "未披露",
"responsibilities": "-在导师指导下，参与推荐广告场景下的生成式排序模型的研发，探索 Transformer 及序列化建模在CTR/CVR/GMV预估中的应用\n-协助团队进行多模态大模型在推荐场景的落地实验，参与重构广告基础表征体系，提升模型对商品/广告的语义理解能力\n-参与大模型训练/推理优化（如量化、高效注意力机制等）的实验跑通，探索强化学习在提升广告长期价值优化中的可行性\n-跟踪推荐系统、生成式 AI 及大模型领域的最前沿学术论文，负责算法的复现和评测\n-配合工程与产品团队进行数据处理、模型离线评估及在线 A/B Test 效果分析，确保算法逻辑的正确落地",
"requirements_text": "-2027届计算机、数学、自动化等相关专业在校硕士或博士生\n-扎实的机器学习基础，熟悉 Transformer、DeepFM、DIN 等常用搜推模型，对生成式模型（如 GPT/LLM 架构）有基本认知\n-熟练掌握 Python，至少精通 PyTorch 或 TensorFlow 其中一种框架；具备良好的算法与数据结构基础，代码风格严谨\n-具备极强的学习能力和好奇心，能够阅读英文文献并快速上手新技术；沟通顺畅，具备良好的团队合作意识\n-在顶会发表过论文、参加过知名算法竞赛并取得优异成绩、有过大规模分布式训练、长序列建模或语义 ID 相关课题的研究经验者优先",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"数据结构",
"团队协作",
"学习能力",
"建模",
"大语言模型"
],
"preferred_qualifications": "在顶会发表过论文、参加过知名算法竞赛并取得优异成绩、有过大规模分布式训练、长序列建模或语义 ID 相关课题的研究经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/371130f2-d471-4f54-ba8e-f077159b5754"
}
]
},
"posting": {
"posting_id": "371130f2-d471-4f54-ba8e-f077159b5754",
"post_date": "2026-08-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/371130f2-d471-4f54-ba8e-f077159b5754"
},
"fulltext": "生成式排序模型算法工程师（J104592）\n生成式排序模型算法工程师（J104592）\n\n基础信息\n部门：MEG\n地点：北京市,上海市\n项目：日常实习项目\n类别：技术\n招聘人数：2\n发布时间：2026-08-31\n\n工作职责\n-在导师指导下，参与推荐广告场景下的生成式排序模型的研发，探索 Transformer 及序列化建模在CTR/CVR/GMV预估中的应用\n-协助团队进行多模态大模型在推荐场景的落地实验，参与重构广告基础表征体系，提升模型对商品/广告的语义理解能力\n-参与大模型训练/推理优化（如量化、高效注意力机制等）的实验跑通，探索强化学习在提升广告长期价值优化中的可行性\n-跟踪推荐系统、生成式 AI 及大模型领域的最前沿学术论文，负责算法的复现和评测\n-配合工程与产品团队进行数据处理、模型离线评估及在线 A/B Test 效果分析，确保算法逻辑的正确落地\n\n职责要求\n-2027届计算机、数学、自动化等相关专业在校硕士或博士生\n-扎实的机器学习基础，熟悉 Transformer、DeepFM、DIN 等常用搜推模型，对生成式模型（如 GPT/LLM 架构）有基本认知\n-熟练掌握 Python，至少精通 PyTorch 或 TensorFlow 其中一种框架；具备良好的算法与数据结构基础，代码风格严谨\n-具备极强的学习能力和好奇心，能够阅读英文文献并快速上手新技术；沟通顺畅，具备良好的团队合作意识\n-在顶会发表过论文、参加过知名算法竞赛并取得优异成绩、有过大规模分布式训练、长序列建模或语义 ID 相关课题的研究经验者优先\n-在导师指导下，参与推荐广告场景下的生成式排序模型的研发，探索 Transformer 及序列化建模在CTR/CVR/GMV预估中的应用\n-协助团队进行多模态大模型在推荐场景的落地实验，参与重构广告基础表征体系，提升模型对商品/广告的语义理解能力\n-参与大模型训练/推理优化（如量化、高效注意力机制等）的实验跑通，探索强化学习在提升广告长期价值优化中的可行性\n-跟踪推荐系统、生成式 AI 及大模型领域的最前沿学术论文，负责算法的复现和评测\n-配合工程与产品团队进行数据处理、模型离线评估及在线 A/B Test 效果分析，确保算法逻辑的正确落地\n-2027届计算机、数学、自动化等相关专业在校硕士或博士生\n-扎实的机器学习基础，熟悉 Transformer、DeepFM、DIN 等常用搜推模型，对生成式模型（如 GPT/LLM 架构）有基本认知\n-熟练掌握 Python，至少精通 PyTorch 或 TensorFlow 其中一种框架；具备良好的算法与数据结构基础，代码风格严谨\n-具备极强的学习能力和好奇心，能够阅读英文文献并快速上手新技术；沟通顺畅，具备良好的团队合作意识\n-在顶会发表过论文、参加过知名算法竞赛并取得优异成绩、有过大规模分布式训练、长序列建模或语义 ID 相关课题的研究经验者优先",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}