百度算法策略实习生（J100436）
任职要求
-研究生在读，计算机、电子信息、自动化、数学、数据挖掘、统计学等相关专业，可实习6个月以上 -熟悉至少一种深度学习框架（如PaddlePaddle, PyTorch, TensorFlow等） -良好的编程能力，熟练使用至少一种编程语言（如Python、Jav…
工作职责
-参与金融行业应用产品相关算法研发，负责方案设计、原型验证与落地实现 -负责算法开发和效果优化，如用户行为预测模型，并确保其性能和效率达到预期目标 -跟踪FinTech领域前沿技术，探索LLM+RAG、Agent等新技术在金融场景的落地 -与团队成员紧密合作，协同解决开发过程中遇到的问题和技术挑战 -其他数据、算法相关工作
1、参与核心策略设计与实现：深入小红书音视频、直播、图片等内容的分发与体验优化全链路，参与转码、下发、消费等核心策略的设计、编码与迭代，并且可以设计清晰、可扩展的技术方案，并通过高质量的代码实现它； 2、有数据挖掘和数据分析能力，并且可以在真实的业务场景中，学习并运用AB实验、因果推断等科学方法评估策略效果。同时探索强化学习、大模型等前沿技术在用户体验优化领域的应用可能。
业务及团队介绍：POI（Point of Interest）,即“兴趣点”，是地理信息系统中的重要概念，表示物理世界中的一处地方，可以是一家美食店、一个小区、一栋大楼等。团队通过人工采集、司乘反馈、用户上报、图像等多模态数据，对POI数据进行更新。随着大模型能力的提升，大模型可以更快、更准确的发现POI相关的变化，并辅助人工/自动化 的对数据进行更新。借助大模型能力和完善的数据生态，实时发现物理时间的变化，帮助用户更快更准的找到目的地。
1、负责大模型智能体（Agent）核心策略研发、迭代与落地 2、参与 Agent 模型训练、评估及 DPO/GRPO 等后训练技术落地 3、参与搭建具备创作感知、文案创作、多能力调度的创作智能体（Creative Agent），支持复杂内容生产流的逻辑编排 4、跟踪并复现 Agent 领域前沿技术（如：Long-context RAG、多模态理解与对齐、DeepResearch 调研框架、多 Agent 协同体系），并在场景中验证其业务价值
1. 基于滴滴交通出行业务的海量数据，参与构建和优化打车智能化运营策略体系，重点负责智能定价、智能补贴策略 2. 承担网约车业务核心指标，运用机器学习与深度学习技术，重点探索uplift建模、多任务模型、序列模型等方向的落地应用，提升超大规模动态双边市场的交易效率。 3. 负责用户增长场景下算法策略的全链路工作，包括前置分析、方案设计、特征工程、模型开发、上线部署及效果评估，推动策略持续优化。 4. 紧跟业界前沿，协助进行Transformer等先进模型在网约车场景下的论文调研、复现及创新优化，推动技术方案在业务中的验证与迭代。 5. 参与因果推断、在线决策、运筹优化等方向的技术创新与落地。