主分类：大模型与生成式算法研发
辅助：AI模型评测工程（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（J103894）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "ACG",
"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": "-本科及以上学历在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-参与\"难任务发现\"研究：系统性构建与评测让前沿模型+harness 失效的任务族(长程优化、可持续迭代、强验证类问题等),建立可复现的 benchmark 与失败归因体系\n-探索推理时搜索的 scaling 路径：并行采样、树搜索、进化搜索、verifier 引导搜索、多 agent 协作等机制在难任务上的算力-质量曲线，寻找\"多花算力就能换来好轨迹\"的scaling方法结构\n-研究基于轨迹的学习：从搜索得到的高质量轨迹出发，探索拒绝采样蒸馏、agentic RL、自我改进循环、经验沉淀(skill/记忆)等把\"搜到\"变成\"学会\"的路径\n-参与 agent harness 与评测系统的设计实现\n-在真实工业决策场景(排产、调度、预测等)上验证方法的外部效度，推动研究结论落到可复现的系统",
"requirements_text": "-本科及以上学历在读,计算机/数学/自动化/人工智能等相关专业优先\n-扎实的 Python 工程能力，有完整的算法项目、系统实现或开源经历\n-在以下至少一个方向有实践或研究经验:LLM Agent(harness)、Self-Improvement Agent、推理时搜索(test-time scaling)、强化学习/后训练(RLHF/RLVR/拒绝采样)、进化算法与程序搜索(AlphaEvolve/FunSearch 系)\n-深度关注前沿：对 agentic RL、inference-time scaling、self-improvement、benchmark 构建等方向有自己的判断\n-具备自驱力与系统性思考能力，对创新型研究有热情，有科研产出、竞赛经历或高质量开源贡献者优先",
"skills": [AI生成
"Python",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "本科及以上学历在读,计算机/数学/自动化/人工智能等相关专业优先；具备自驱力与系统性思考能力，对创新型研究有热情，有科研产出、竞赛经历或高质量开源贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/70a8d8a6-5aff-47ad-88c8-24aa47ab1812"
}
]
},
"posting": {
"posting_id": "70a8d8a6-5aff-47ad-88c8-24aa47ab1812",
"post_date": "2026-07-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/70a8d8a6-5aff-47ad-88c8-24aa47ab1812"
},
"fulltext": "Agent算法实习生（J103894）\nAgent算法实习生（J103894）\n\n基础信息\n部门：ACG\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：2\n发布时间：2026-07-29\n\n工作职责\n-参与\"难任务发现\"研究：系统性构建与评测让前沿模型+harness 失效的任务族(长程优化、可持续迭代、强验证类问题等),建立可复现的 benchmark 与失败归因体系\n-探索推理时搜索的 scaling 路径：并行采样、树搜索、进化搜索、verifier 引导搜索、多 agent 协作等机制在难任务上的算力-质量曲线，寻找\"多花算力就能换来好轨迹\"的scaling方法结构\n-研究基于轨迹的学习：从搜索得到的高质量轨迹出发，探索拒绝采样蒸馏、agentic RL、自我改进循环、经验沉淀(skill/记忆)等把\"搜到\"变成\"学会\"的路径\n-参与 agent harness 与评测系统的设计实现\n-在真实工业决策场景(排产、调度、预测等)上验证方法的外部效度，推动研究结论落到可复现的系统\n\n职责要求\n-本科及以上学历在读,计算机/数学/自动化/人工智能等相关专业优先\n-扎实的 Python 工程能力，有完整的算法项目、系统实现或开源经历\n-在以下至少一个方向有实践或研究经验:LLM Agent(harness)、Self-Improvement Agent、推理时搜索(test-time scaling)、强化学习/后训练(RLHF/RLVR/拒绝采样)、进化算法与程序搜索(AlphaEvolve/FunSearch 系)\n-深度关注前沿：对 agentic RL、inference-time scaling、self-improvement、benchmark 构建等方向有自己的判断\n-具备自驱力与系统性思考能力，对创新型研究有热情，有科研产出、竞赛经历或高质量开源贡献者优先\n-参与\"难任务发现\"研究：系统性构建与评测让前沿模型+harness 失效的任务族(长程优化、可持续迭代、强验证类问题等),建立可复现的 benchmark 与失败归因体系\n-探索推理时搜索的 scaling 路径：并行采样、树搜索、进化搜索、verifier 引导搜索、多 agent 协作等机制在难任务上的算力-质量曲线，寻找\"多花算力就能换来好轨迹\"的scaling方法结构\n-研究基于轨迹的学习：从搜索得到的高质量轨迹出发，探索拒绝采样蒸馏、agentic RL、自我改进循环、经验沉淀(skill/记忆)等把\"搜到\"变成\"学会\"的路径\n-参与 agent harness 与评测系统的设计实现\n-在真实工业决策场景(排产、调度、预测等)上验证方法的外部效度，推动研究结论落到可复现的系统\n-本科及以上学历在读,计算机/数学/自动化/人工智能等相关专业优先\n-扎实的 Python 工程能力，有完整的算法项目、系统实现或开源经历\n-在以下至少一个方向有实践或研究经验:LLM Agent(harness)、Self-Improvement Agent、推理时搜索(test-time scaling)、强化学习/后训练(RLHF/RLVR/拒绝采样)、进化算法与程序搜索(AlphaEvolve/FunSearch 系)\n-深度关注前沿：对 agentic RL、inference-time scaling、self-improvement、benchmark 构建等方向有自己的判断\n-具备自驱力与系统性思考能力，对创新型研究有热情，有科研产出、竞赛经历或高质量开源贡献者优先",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}