TapTap AI 产品算法工程实习生

-我们正在研发实时游戏 AI 助手，让 AI 能够理解游戏画面和对局状态，并在真实游戏过程中提供及时、可靠的辅助。 -项目涉及目标检测、图像分类、OCR、多模态模型、模型蒸馏、推理加速和线上效果评估。你将参与从产品目标、数据建设、模型训练、效果分析到真实场景验证的完整流程。 -在这里，模型不是最终成果，而是产品能力的一部分。我们希望你对数据和模型效果足够敏感，也能理解模型如何影响真实用户体验。当效果不符合预期时，能够结合具体案例和评估结果找到可能原因，提出合理的优化方向，并借助 AI 工具和团队协作推动下一轮训练与产品验证。

岗位职责 1.理解业务场景和用户需求，将实际问题转化为清晰的数据需求、标注标准和评估目标； 2.参与训练数据的收集、清洗、分类、标注验收和版本管理； 3.借助 Claude Code、Codex 等 AI 工具及现有训练流程，参与模型训练、效果评估和实验迭代； 4.分析误检、漏检、分类错误及线上效果衰减等问题，归纳典型失败案例； 5.提出可验证的优化方向，设计对照实验，并根据量化结果决定下一步迭代方案； 6.参与将模型能力接入完整产品流程，结合真实使用反馈判断效果是否满足产品需求； 7.推动产品、数据、训练、评估和上线验证形成完整闭环； 8.整理数据版本、实验记录、评估结果和结论，保证不同方案可以清晰比较。

1.参与过具有实际产品形态或真实使用场景的 AI 项目，理解模型在完整产品中的作用； 2.参与过模型训练、数据建设或效果评估，理解从数据准备到训练、评估和迭代的基本流程； 3.对数据敏感，能够发现数据分布、场景覆盖、类别比例、标注质量和困难样本等问题； 4.理解准确率、召回率、精确率等常见指标，能够结合业务场景判断模型是否真正可用； 5.能够查看和归纳错误案例，不只关注一个总分，也能分析模型在哪些场景下表现不好； 6.能够提出清晰的实验假设，并通过对照实验和量化结果验证优化是否有效； 7.能够熟练使用 AI 工具辅助数据分析、训练配置、结果解读、实验整理和问题排查； 8.不要求独立编写完整训练代码，但需要能够理解基本技术概念； 9.沟通清晰，能够准确说明产品问题、判断依据、验证方法和最终结论；

加分项 独立或主导完成过一个端到端 AI 产品，覆盖需求分析、数据准备、模型训练评估、产品实现和真实验证； 有可体验的产品、Demo 或公开展示，能够说明模型能力如何转化为实际用户价值； 在 GitHub、技术社区或社交平台分享过 AI 产品、模型训练、数据分析或效果评估项目；