# AI 算法：数据、模型与任务效果

> 把大模型、视觉、多模态、搜推广等方向放回具体任务，区分训练、微调、推理和效果评价。

适合阅读：关注算法实习与技术方向的读者  
更新：2026-09-05

## 算法方向首先由任务决定

图像识别、语音转写、文档理解、内容推荐和文本生成都可能使用深度学习，但数据结构、模型、指标与上线条件不同。招聘中的“大模型算法”也可能细分为预训练、后训练、推理、多模态或特定业务应用。

选读资料时，应先明确输入是什么、期望输出是什么、错误怎样判断。这样才知道一篇教程或论文与某个岗位是否有关。把所有热门模型名称列在一起，会掩盖任务差异。

## 从数据到部署的几个环节

数据准备包括清洗、标注和切分；训练通过数据更新参数；微调是在已有模型上继续适配；推理是使用模型产生输出；部署是让推理能力被系统持续调用。算法工程师可能参与全部或其中一部分。

| 任务例子 | 输入 → 输出 | 常见评价角度 |
| --- | --- | --- |
| 文本分类 | 文本 → 类别 | 精确率、召回率、不同类别表现 |
| 推荐排序 | 用户与候选内容 → 排序 | 离线排序质量、线上业务效果 |
| 文档抽取 | 文档 → 结构化字段 | 字段正确率、遗漏与格式合规 |
| 多模态问答 | 图片及问题 → 答案 | 视觉事实、问题理解、回答依据 |

## 一个高分为什么还不够

随机切分可能让同一用户、病人或文档的相似样本出现在训练和测试中，导致评价过于乐观。时间相关任务还要考虑未来信息是否泄漏。评价设计需要符合真实使用场景，而不是只选择方便的切分方式。

比较两个模型时，还要说明数据、版本、参数设置和评价规则是否一致。平均分上升可能同时伴随某些关键场景下降；延迟和资源需求也可能影响使用。

## 与产品策略、Research 如何协作

算法负责改善特定任务效果时，需要产品说明业务目标，运营提供有效样本，开发提供服务环境。推荐系统中，候选生成、评分和重排形成不同环节；业务约束可能与相关性共同决定最终展示。

Research 更可能从通用问题出发研究方法，业务算法更可能从场景指标出发。二者共享数学、代码和实验方法，但岗位期待并不完全相同。

## 参考资料与出处

- [Dive into Deep Learning / 动手学深度学习](https://d2l.ai/)（Aston Zhang、Zachary C. Lipton、Mu Li、Alexander J. Smola）

- [开源大模型食用指南](https://github.com/datawhalechina/self-llm)（Datawhale 与社区贡献者）

- [Hello 算法](https://www.hello-algo.com/)（靳宇栋（krahets）与贡献者）

- [Cross-validation: evaluating estimator performance](https://scikit-learn.org/stable/modules/cross_validation.html)（scikit-learn）

- [Machine Learning Crash Course](https://developers.google.com/machine-learning/crash-course)（Google）

- [Recommendation systems overview](https://developers.google.com/machine-learning/recommendation/overview)（Google）

- [LLM Course](https://huggingface.co/learn/llm-course/chapter1/1)（Hugging Face）

## 对应经验原帖

- [百度大模型算法实习生 一面](https://www.nowcoder.com/feed/main/detail/e90de24cd51f42918df7044adb34fbaf)｜长行莫倦｜2025-08-22｜大模型算法 · 实习一面

- [整理下近期的大模型日常实习面经](https://www.nowcoder.com/feed/main/detail/44b2baec47c740c4b9bccb8a013abd56)｜大模型丁真｜2025-05-07｜字节、百度、快手 · 多场实习复盘

- [字节-tac-二面面经记录（实习面试）](https://www.nowcoder.com/feed/main/detail/ddfcfae15432465bb30f0573fe204dc5?sourceSSR=enterprise)｜老辣鸡了｜2025-05-09（搜索记录；页面显示 05-09）｜搜推业务 · 交叉面

## 关联阅读

- [AI Research：问题、方法和证据](https://cv.shujinxing777.com/career/handbook/research)

- [数据与指标：从回答质量到业务结果](https://cv.shujinxing777.com/career/handbook/metrics)

- [评测：让“效果好”有明确含义](https://cv.shujinxing777.com/career/handbook/evaluation)

- [把经历说清楚：简历与面试资料](https://cv.shujinxing777.com/career/handbook/resume-interview)