百度AI数据分析实习生（大模型应用方向）（J101223）
任职要求
-计算机/人工智能/数据分析相关专业，要求有较强的工程应用开发能力（强需求），本科及以上学历（硕士优先） -具备严谨的数据思维，熟悉数据核对与校验方法（如SQL查询验证、Excel函数交叉核对、BI工具数据比对等），能识别数据错误并推动修正 -掌握Python基础，了解SQL或BI工具（如Tableau、Power BI）的基本操作 -熟悉大模型工具的使用；会大模型应用开发（强需求），对AI技术（如大模型、RAG、Prompt工程）有深入了解 -具备实际的工程化构建能力，能够自行搭建k8s,docker等容器化环境，自行部署编译出的工程 -细心、责任心强，具备良好的沟通能力，能清晰表达…
工作职责
-数据报表生成与校验：协助团队基于大模型工具生成业务报表（如运维数据报表、用户行为分析报表等） -重点执行数据核对与校验：包括交叉验证、逻辑一致性检查、异常值检测、数据源溯源等），确保报表数据的准确性、完整性和可靠性；对大模型输出的报表数据进行人工复核，识别潜在错误（如数据偏差、计算错误、维度缺失等），并优化提示词（Prompt）或输入逻辑以提升模型输出质量 -专项数据分析与产品优化：基于生成的报表数据，开展专项分析（如运维效率分析、用户需求洞察、产品功能使用效果评估等），运用统计方法或基础模型（如聚类、趋势分析）挖掘数据价值，输出可落地的分析结论；协助将分析结果转化为产品优化建议（如功能迭代方向、流程改进点），参与团队内部讨论并推动落地，支持内部产品体验提升与团队管理效率优化 -大模型工具协同与优化：协助团队探索大模型在数据报表自动化场景的应用（如结合RAG技术提升数据准确性、通过Prompt工程优化报表生成逻辑），参与智能体框架（如LangChain/LangGraph）的简单配置与测试；跟踪大模型在数据处理领域的前沿技术（如自动化校验算法、低代码报表生成工具），分享实践经验并提出改进建议
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：AI数据与安全团队为Seed基座模型及AI原生应用提供跨模态数据服务，覆盖数据生产全流程，包含模型评估标准的制定、数据规模化生产、数据飞轮搭建，不断提升数据质量，支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成，并通过与Seed研究员、行业专家、全球顶尖数据供应商紧密合作，从真实场景中收集反馈并分析模型表现数据，解决AI前沿突破过程中的复杂数据问题，推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者，也是模型和AI产品的一手用户。 1、这个职位是连接前沿AI技术与深度专业知识的桥梁，你将不再仅仅是知识的创造者，而是整个知识增强项目的核心枢纽，负责管理从需求理解到数据交付的全链路流程，确保大模型在人文社科领域的认知与推理能力得到高效、高质量的提升； 2、与算法、产品团队紧密协作，深入理解大模型在特定领域的能力短板与迭代目标，将模糊的"模型能力提升需求"精准转化为清晰、可执行的数据生产任务与项目目标； 3、负责高质量数据生产项目的全生命周期管理，包括制定项目计划、定义数据标准、监控生产进度与风险，设计并优化数据生产的工作流，探索并落地可规模化、高效率的数据生产模式，确保项目按时、按质、按量交付； 4、建立并执行严格的数据验收标准与质检流程，对产出的结构化资料、评测数据集进行专业评估与验收，对数据质量问题进行归因分析，形成反馈闭环，持续指导和优化数据生产策略，推动数据质量的迭代提升； 5、负责领域专家资源的招募、培训与日常管理，构建并维护高质量的外部专家智库，为专家提供清晰的任务指引和必要的赋能培训，确保他们能够高效、准确地产出符合要求的数据，并对专家工作质量进行评估与管理。
核心职责 ： 数据分析与优化： 聚焦分析用户与AI角色的互动数据，校准AI分析结果，提出并协助优化AI分析流程。 角色体验洞察与迭代：基于标注数据和用户反馈，精准识别当前AI角色在对话中的关键问题。从用户视角出发，提炼有效的对话策略和内容方向，为产品和运营团队提供可落地的优化建议。 竞品分析：持续跟踪国内外竞品动向，产出竞品报告
基于大模型（如通义千问）构建多因素（源库、目标库、源端网络、目标端网络、数据传输链路）根因分析与解决方案推建系统，并解决系统构建中的关键算法和技术，包括如下几方面： 1、设计合适的prompt，基于已有数据对模型finetune，并实现部署和线上应用； 2、构建知识库实现专家知识结构化，引入双向反馈通道，使能模型具备持续迭代能力； 3、与DTS工程团队一起上线系统，实现DTS线上异常任务自愈恢复。
1. 搭建 AI 化数据分析体系，整合多源业务数据，实现自动化处理与实时监控； 2. 运用 AI 工具（智能归因模型、自动化报表、素材分类算法等）赋能业务决策全流程； 3. 开发销量预测、库存预警、素材 ROI 等 AI 模型，将数据能力嵌入业务完整链路； 4. 跟踪数据表现，输出优化建议，辅助关键业务决策；