主分类：大模型与生成式算法研发
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": "大语言基座模型训练研究员 / 工程师（J100664）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "应用模型研发部",
"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": "-计算机、数学、统计或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-参与大语言模型预训练或中训练（Mid-training），推动 base model 核心能力演进\n-开展长上下文（32K–256K+）、代码、数学、Agent 等专项能力中训练，构造合成/交互轨迹数据\n-负责训练数据的清洗、配比与质量评估，设计并迭代数据 recipe\n-设计并优化训练 recipe，包括训练目标、学习率策略、batch size、sequence length 等核心超参\n-定位和解决训练稳定性问题，如 loss spike、梯度异常、数据污染、短能力回退等\n-负责模型 checkpoint 分析、能力评测与训练 ablation，驱动训练效果持续提升",
"requirements_text": "-计算机、数学、统计或相关专业硕士及以上学历，顶尖实验室/基座模型团队背景优先\n-有长上下文中训练、代码模型（SWE-bench/repo-level）或 Agent trajectory 数据训练经验者优先\n-有大模型预训练或 Mid-training 实际经历，能清楚描述数据来源、训练目标与评测指标\n-有顶会论文（NeurIPS、ICML、ICLR、ACL 等）、开源大模型核心贡献或模型技术报告经历者优先\n-对 base model 能力边界、中训练与 post-training 差异有清晰理解\n-熟悉主流分布式训练框架（Megatron、DeepSpeed、FSDP），理解 TP/PP/DP/Sequence Parallel 等并行策略",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "计算机、数学、统计或相关专业硕士及以上学历，顶尖实验室/基座模型团队背景优先；有长上下文中训练、代码模型（SWE-bench/repo-level）或 Agent trajectory 数据训练经验者优先；有顶会论文（NeurIPS、ICML、ICLR、ACL 等）、开源大模型核心贡献或模型技术报告经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/ca7b3bf6-6b8a-4c3f-a8f3-295ab3b9f1f0"
}
]
},
"posting": {
"posting_id": "ca7b3bf6-6b8a-4c3f-a8f3-295ab3b9f1f0",
"post_date": "2026-06-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/ca7b3bf6-6b8a-4c3f-a8f3-295ab3b9f1f0"
},
"fulltext": "大语言基座模型训练研究员 / 工程师（J100664）\n大语言基座模型训练研究员 / 工程师（J100664）\n\n基础信息\n部门：应用模型研发部\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：5\n发布时间：2026-07-21\n\n工作职责\n-参与大语言模型预训练或中训练（Mid-training），推动 base model 核心能力演进\n-开展长上下文（32K–256K+）、代码、数学、Agent 等专项能力中训练，构造合成/交互轨迹数据\n-负责训练数据的清洗、配比与质量评估，设计并迭代数据 recipe\n-设计并优化训练 recipe，包括训练目标、学习率策略、batch size、sequence length 等核心超参\n-定位和解决训练稳定性问题，如 loss spike、梯度异常、数据污染、短能力回退等\n-负责模型 checkpoint 分析、能力评测与训练 ablation，驱动训练效果持续提升\n\n职责要求\n-计算机、数学、统计或相关专业硕士及以上学历，顶尖实验室/基座模型团队背景优先\n-有长上下文中训练、代码模型（SWE-bench/repo-level）或 Agent trajectory 数据训练经验者优先\n-有大模型预训练或 Mid-training 实际经历，能清楚描述数据来源、训练目标与评测指标\n-有顶会论文（NeurIPS、ICML、ICLR、ACL 等）、开源大模型核心贡献或模型技术报告经历者优先\n-对 base model 能力边界、中训练与 post-training 差异有清晰理解\n-熟悉主流分布式训练框架（Megatron、DeepSpeed、FSDP），理解 TP/PP/DP/Sequence Parallel 等并行策略\n-参与大语言模型预训练或中训练（Mid-training），推动 base model 核心能力演进\n-开展长上下文（32K–256K+）、代码、数学、Agent 等专项能力中训练，构造合成/交互轨迹数据\n-负责训练数据的清洗、配比与质量评估，设计并迭代数据 recipe\n-设计并优化训练 recipe，包括训练目标、学习率策略、batch size、sequence length 等核心超参\n-定位和解决训练稳定性问题，如 loss spike、梯度异常、数据污染、短能力回退等\n-负责模型 checkpoint 分析、能力评测与训练 ablation，驱动训练效果持续提升\n-计算机、数学、统计或相关专业硕士及以上学历，顶尖实验室/基座模型团队背景优先\n-有长上下文中训练、代码模型（SWE-bench/repo-level）或 Agent trajectory 数据训练经验者优先\n-有大模型预训练或 Mid-training 实际经历，能清楚描述数据来源、训练目标与评测指标\n-有顶会论文（NeurIPS、ICML、ICLR、ACL 等）、开源大模型核心贡献或模型技术报告经历者优先\n-对 base model 能力边界、中训练与 post-training 差异有清晰理解\n-熟悉主流分布式训练框架（Megatron、DeepSpeed、FSDP），理解 TP/PP/DP/Sequence Parallel 等并行策略",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}