互联网公司人工智能技术实习生实习报告

互联网公司人工智能技术实习生实习报告一、摘要

2023年7月1日至2023年8月31日，我在一家互联网公司担任人工智能技术实习生，主要负责自然语言处理模型的优化与数据标注工作。通过参与项目，我完成了超过2000条文本数据的清洗与标注，有效提升了模型训练的准确率约5%。核心工作成果包括优化BERT模型参数，使特定任务的F1分数从0.72提升至0.79，并设计了一套可复用的数据增强策略，将训练集规模扩大30%而未显著降低性能。专业技能应用涵盖Python编程、TensorFlow框架、以及机器学习算法调优。实习期间提炼的“分层标注规范”方法论，可减少标注误差达15%，并在后续项目中推广使用。

二、实习内容及过程

1.实习目的

去2023年7月1号开始实习的时候，我就是想看看自己学的那些机器学习、深度学习的东西，到底能不能在实际项目里用起来。想体验一下工业界的节奏，顺便看看自己是不是真的喜欢搞这个。

2.实习单位简介

我在的那个公司，主要做的是内容推荐和搜索这块。技术团队挺大的，搞各种算法来优化用户体验。我所在的组主要是做自然语言处理，用模型来理解用户意图，搞推荐系统。

3.实习内容与过程

开始的时候主要是熟悉环境，学用他们内部的工具和平台。7月5号到10号左右，跟着导师做了个数据标注的辅助工具，主要是把一些文本分类的任务，用规则自动标注一部分，减少人工工作量。后来7月15号开始，我接手了一个项目，是优化一个文本相似度计算的模型。原来的模型是基于BERT的，但是效果不太行，尤其是在长文本相似度上。我花了几天时间，把预训练模型微调了一下，还试了不同的池化策略。过程中发现数据集有点小，7月20号就主动去申请扩充了一些公开数据，跟数据组沟通了一下，他们帮忙筛选和清洗了。

4.实习成果与收获

最后模型效果确实好了不少，8月5号测试的时候，准确率从原来的72%提到了78%，召回率也提升了2%。我总结了一个“多步池化”的方法，把BERT的输出先做句子级别的池化，再取几个关键句的加权平均，效果比原来单一池化好。这个经历让我明白，有时候模型不是越大越好，关键是怎么把现有模型用对。还学会了怎么跟数据组沟通，要他们给的数据得有标注规范，不然后续模型训练麻烦。

5.问题与建议

遇到的第一个困难是刚开始模型调参的时候，试了好几个方向都不对，挺挫败的。后来问了师兄，他说要看训练日志里loss曲线的细节，我之前只看总体指标。学到了要看不同epoch的梯度变化。第二个是培训机制，公司给的培训主要是内部系统操作，但深度学习这块没太多实操，有时候师兄们也忙，指导时间不太够。建议可以搞一些半结构化的学习路径，比如每周固定时间讲一下最新论文，或者搞个内部代码库分享。另外，我感觉我接手的任务虽然具体，但跟组里其他项目关联性不强，有点像单兵作战，要是能多交叉一些项目，互相借鉴可能效果更好。

三、总结与体会

1.实习价值闭环

这8周，从7月1号到8月31号，感觉就像把学校里学的理论和实际工作搭了个桥。刚开始做数据标注辅助工具时，觉得挺简单的，但实际做起来发现得考虑很多细节，比如规则冲突怎么处理，效率怎么最大化。后来7月15号接手BERT模型优化，那段时间确实挺熬的，调了快20个版本的参数，看各种论文到凌晨是常事。但8月5号看到准确率从72%提到78%的时候，觉得一切都值了。这8周，我把学到的注意力机制、池化策略这些，真的用在了刀刃上，感觉学到了最实在的东西。

2.职业规划联结

这次实习让我更清楚自己想干嘛了。以前觉得做算法挺好，现在发现做工业界的算法，得兼顾效果和效率，还得跟团队合作。之前在学校做项目，自己随便调调参数就行，现在得考虑线上部署的成本，模型大小都不能太离谱。所以接下来打算深挖一下模型压缩和量化这块，看看能不能考证，比如AWS的机器学习认证试试看。感觉这8周的经历，让我简历上能加不少真材实料了。

3.行业趋势展望

感觉现在各行各业都在卷AI，特别是大语言模型，但怎么把这些模型落地，解决实际业务问题，才是关键。我实习那会儿，组里也在玩微调，但发现效果最好的还是跟业务理解特别深的同学一起搞的，他们知道哪个词对业务影响大。所以我觉得，以后做AI的，光会技术不行，还得懂业务。另外，7月底看了一些技术分享，说现在预训练模型都在往多模态发展，比如把文本跟图片结合起来，感觉这方向以后会越来越火，我得赶紧补补这块知识。

4.心态转变

以前在学校，做项目失败了就重开，现在不行，7月20号扩充数据集的时候，跟数据组协调了好久，他们那边也有自己的事，得学会怎么有效沟通。还有一次调参数把模型搞挂了，线上环境不能瞎试，那种压力是实打实的。现在觉得，做这个工作，得有责任心，还得能扛住压力。虽然才8周，但感觉自己离一个真正的“职场人”近了不少。

四、致谢

1.

感谢在2023年7月1日至8月31日期间的实习机会，让我接触到了真实的AI项目。

2.

感谢导师在模型优化方向上