研究型实习生-AI Scientist算法工程师

优缺点分析

角色解读

• 可沿算法研究路线成长，向算法工程师、研究工程师或AI Scientist方向积累论文与工程落地成果
• 参与AI Scientist方向的课题研究，探索用大模型与Agent自动完成科学假设生成、文献调研、算法设计、代码实现与实验迭代
• 扎实的Python与PyTorch编程能力，并有大语言模型、Agent、计算机视觉、强化学习或AutoML之一的研究或项目经验

申请策略

• 准备一份能体现研究深度的作品集（论文、代码仓库或实验报告），比罗列技能更有说服力
• 了解达摩院医疗AI团队近期的公开论文与方向，在沟通中体现方向匹配度
• 突出大模型、Agent或多Agent协作相关的项目与研究经历，说明你承担的具体模块与结果
• 展示计算机视觉或医学影像方向的经验，如检出、分割、分类任务的复现与改进
• 列出论文阅读、算法复现与实验设计的成果，附上开源代码、技术报告或已发表论文
• 强调Python、PyTorch的熟练度以及代码工程质量
• 补强工具调用、代码生成类Agent框架的实操经验，能跑通完整的实验闭环
• 熟悉强化学习或AutoML的常用方法，理解其在模型自动设计中的作用

面试指南

• 用「问题—方法—结果—反思」结构讲清项目，量化指标与个人贡献
• 技术问题先讲整体方案框架，再深入关键细节与取舍理由
• 对开放研究问题，给出2-3个可行思路并说明验证方式，体现研究思维
• 请介绍一个你在Agent方向做过的项目，如何设计工具调用与实验规划？
• 你如何评估一个科研Agent产出的可靠性与可复现性？
• 在医学影像分割/检出任务中，你遇到过的最大技术难点是什么，如何解决？
• 如果让Agent自动完成模型设计与调优，你会如何搭建搜索与反馈闭环？
• 你最近读过的一篇相关顶会论文是什么，如何复现？