AI算法实习生
招聘时间
即日起 至 2026-08-31
招聘单位
UAES
所在地区
上海
工作地点
上海市/上海市/浦东新区 5G未来中心
学历要求
本科
实习时长
每周4天，每天6小时
职责描述
1、 基于产品开发过程中的设计场景，采用大语言模型、机器学习、深度学习和优化算法等，构建相关的业务自动化工具、计算工具、与数据分析模型，并与大语言模型的agent工作流相结合，实现产品开发过程中cause-effect模型的特征提取、模型搭建、模型调参、设计寻优等工作，并工程化落地。
2、 负责根据产品开发部门需求，基于用户需求持续开发更新业务算法模型、自动化工具；根据业务部门的需求，探索AI技术在业务领域的落地可能性，如办公自动化、AI智能优化设计等场景。
3、 配合数字化业务部门的前后端团队实现业务算法模型的app上线部署以及后续模型优化更新工作。
岗位要求
1、计算机科学、人工智能、控制工程、车辆工程或电子类相关专业硕士及以上学位；
2、熟练掌握Python/C++/Matlab/Go等一种以上的编程语言；熟练掌握Git在团队代码管理与协作中的相关知识；具备代码CICD pipeleine搭建、前后端接口调试的经验；熟悉Linux操作系统的相关操作和命令，熟练完成大语言模型或开源相关项目部署调试、docker搭建、文件操作等；熟悉并且使用过以下至少一AI coding工具:Cursor / Antigravity / Claude code / CodeX，理解各个vibe-coding工具的优缺点，了解如何与AI assistant合作实现业务最佳实践的高效编程。
3、具备或参与过web、桌面app相关前后端团队项目合作经验，具备前后端的基础知识和接口交互合作经验，有过QT（桌面端）或Vue/React（web端）等App搭建或项目参与经验者优先
4、熟练掌握数据挖掘、机器学习等数据分析建模、数据清洗的方法，如XGBoost、随机森林、STAT统计分析等。熟悉深度学习中pytorch框架并且有业务落地经验者优先。
5、具备大语言模型在linux系统上的调用、部署的知识经验；有过开源模型如MiniMax/Qwen/DeepSeek/GLM等系列的开源模型的部署(多模态场景)、各自模型的优缺点以及落地应用项目的搭建经验(vllm框架优先)，了解业务部署落地过程中的痛点；熟悉大语言模型agent构建技术及Harness工程(Agent Skill、ReAct框架等)、相关内容召回技术框架(RAG / Agentic search或者fusion方法)，并且有业务落地经验者优先
6、熟练掌握大模型的多模态数据解析、提取、清洗的技术栈，了解如何针对不同的agent任务目的设计对应的评估测试集、评价指标以稳定明确的验证模型和agent pipeline的改进效果，并且能够对比较结果进行良好的可视化和规整的markdown格式的报告记录。
7. 有过搭建设计图纸、3D建模自动化工具的经验，诸如实现UG、CAD等软件接口实现自动化设计或其他AI-to-3D的项目经验，有过基于大模型实现3D建模交互自动化经验的优先。
8、英语读写良好，可以与国外进行听、说交流；具备独立高效的英文文献的读写能力；具备高效的沟通和理解能力，能够快速理解任务的工程目的并且根据任务实施阶段中距离最终的目标差和遇到的困难进行高效的汇报。
2、 负责根据产品开发部门需求，基于用户需求持续开发更新业务算法模型、自动化工具；根据业务部门的需求，探索AI技术在业务领域的落地可能性，如办公自动化、AI智能优化设计等场景。
3、 配合数字化业务部门的前后端团队实现业务算法模型的app上线部署以及后续模型优化更新工作。
岗位要求
1、计算机科学、人工智能、控制工程、车辆工程或电子类相关专业硕士及以上学位；
2、熟练掌握Python/C++/Matlab/Go等一种以上的编程语言；熟练掌握Git在团队代码管理与协作中的相关知识；具备代码CICD pipeleine搭建、前后端接口调试的经验；熟悉Linux操作系统的相关操作和命令，熟练完成大语言模型或开源相关项目部署调试、docker搭建、文件操作等；熟悉并且使用过以下至少一AI coding工具:Cursor / Antigravity / Claude code / CodeX，理解各个vibe-coding工具的优缺点，了解如何与AI assistant合作实现业务最佳实践的高效编程。
3、具备或参与过web、桌面app相关前后端团队项目合作经验，具备前后端的基础知识和接口交互合作经验，有过QT（桌面端）或Vue/React（web端）等App搭建或项目参与经验者优先
4、熟练掌握数据挖掘、机器学习等数据分析建模、数据清洗的方法，如XGBoost、随机森林、STAT统计分析等。熟悉深度学习中pytorch框架并且有业务落地经验者优先。
5、具备大语言模型在linux系统上的调用、部署的知识经验；有过开源模型如MiniMax/Qwen/DeepSeek/GLM等系列的开源模型的部署(多模态场景)、各自模型的优缺点以及落地应用项目的搭建经验(vllm框架优先)，了解业务部署落地过程中的痛点；熟悉大语言模型agent构建技术及Harness工程(Agent Skill、ReAct框架等)、相关内容召回技术框架(RAG / Agentic search或者fusion方法)，并且有业务落地经验者优先
6、熟练掌握大模型的多模态数据解析、提取、清洗的技术栈，了解如何针对不同的agent任务目的设计对应的评估测试集、评价指标以稳定明确的验证模型和agent pipeline的改进效果，并且能够对比较结果进行良好的可视化和规整的markdown格式的报告记录。
7. 有过搭建设计图纸、3D建模自动化工具的经验，诸如实现UG、CAD等软件接口实现自动化设计或其他AI-to-3D的项目经验，有过基于大模型实现3D建模交互自动化经验的优先。
8、英语读写良好，可以与国外进行听、说交流；具备独立高效的英文文献的读写能力；具备高效的沟通和理解能力，能够快速理解任务的工程目的并且根据任务实施阶段中距离最终的目标差和遇到的困难进行高效的汇报。
