阿里巴巴
研究型实习生-药物基础模型
研究型实习生-药物基础模型
发布于 2 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai For Science
Jax
Pytorch
Rdkit
分子生成
图神经网络
扩散模型
药物发现
值不值得投
79综合评分
综合评分 79
前沿AI制药技术栈、高成长性与强社会价值导向，适合志在交叉学科深耕的硕博研究者
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.4万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3790 个在招 · 其中人工智能 约 380 个
市场机会
选择面较广
杭州 · 人工智能 · 约 460 个在招
职位详情
关于这个职位
负责药物设计基础模型的算法研发与优化，涵盖分子生成、蛋白质结构预测及多模态生物模型训练
需跟踪AI for Science前沿技术，构建端到端药物发现引擎，并与Agent团队及药物化学团队协同，将模型能力封装为自动化工具支撑新药研发流程
最低要求
硕士及以上学历，计算机、人工智能、生物信息、计算化学、药学等相关专业背景
对药物发现流程（靶点验证、先导化合物发现、先导化合物优化、成药性评估等）有基本了解，熟悉至少一个方向的建模经验
具备良好的编程能力（Python优先），熟练掌握主流 AI框架（PyTorch/JAX），熟悉常见的化学信息学工具包（如 RDKit、Open Babel等）
有较强的科研能力与原型搭建能力，能快速实现并验证模型创新想法
工作职责
负责药物设计相关基础模型的研发，包括但不限于分子生成与优化、蛋白质结构预测与设计、蛋白-分子相互作用预测等方向的深度学习模型构建
跟踪 AI for Science及计算生物学领域的前沿技术，持续优化分子表征学习、序列-结构-功能联合预测、性质/ADMET预测、多目标优化等关键算法模块，提升模型精度与泛化能力
参与构建覆盖小分子与大分子（蛋白/抗体/多肽）的通用药物设计引擎，支持从靶点发现到候选分子筛选的端到端流程
与 Agent算法团队、药物化学团队紧密协作，将基础模型能力封装为可被 Agent调用的标准化工具，支撑自动化工作流的运行
优先资格
曾在顶级 AI会议或生物/化学/医药相关顶尖期刊发表与分子生成、蛋白质设计、药物-靶点相互作用预测等相关的研究论文
熟悉 Transformer、图神经网络、扩散模型、Flow Matching等主流模型架构，有生物/化学基础模型训练经验
有分子动力学模拟（MD）、自由能微扰（FEP）、分子对接（Docking）等计算化学方法的实践经验
有多模态生物模型训练和开发经验
有数据集构建、评测体系搭建的实际经验
AI 洞察
优缺点分析
优点
- 依托互联网巨头算力与数据资源，接触行业最前沿的AI for Science技术栈
- 深度参与新药研发核心链路，技术壁垒高且跨界复合型人才稀缺
- 大厂平台背书利于后续学术发表或工业界跳槽
- 跨学科门槛极高，需同时补齐AI算法与生化药理知识
- 模型在真实药物场景中的泛化与落地难度大，迭代周期长
- 适合具备扎实AI/计算化学背景、对交叉学科有强烈兴趣、追求技术深度且抗压能力强的硕博研究生
缺点 / 挑战
- 科研压力与工程交付双重考核，对自主学习能力要求严苛
角色解读
- 可向AI制药(AI4Science)资深算法专家发展，或转向生物医药交叉领域的科研负责人
- 积累底层模型与业务闭环经验后，具备向技术管理或独立PI方向跃迁的潜力
- 聚焦AI for Science领域，研发用于药物设计的深度学习基础模型
- 跟踪计算生物学前沿，优化分子表征与多目标预测算法
- 搭建端到端药物发现引擎，并将模型能力工程化为Agent可调用的标准工具
- 扎实的Python编程与PyTorch/JAX框架应用能力
- 掌握Transformer、GNN、扩散模型等主流架构
- 熟悉RDKit等化学信息学工具及药物发现基础流程
- 具备较强的科研落地与原型快速验证能力
申请策略
- 提前调研阿里达摩院/通义实验室在AI制药方向的公开成果
- 准备1-2个完整的算法复现或改进案例，重点说明如何解决过拟合或数据稀疏问题
- 突出顶会/顶刊论文发表记录及具体模型架构贡献
- 详细列出PyTorch/JAX实战项目与RDKit等工具链熟练度
- 强调从算法原型到工程落地的完整闭环经验
- 补充计算生物学与药物化学基础知识（如ADMET预测原理、分子动力学基础）
- 强化多模态大模型微调与分布式训练技巧
- 熟悉Agent框架（如LangChain/LlamaIndex）以便理解工具封装需求
面试指南
- 采用STAR法则阐述项目背景、技术难点、解决方案与量化结果
- 针对数据问题，从数据增强、迁移学习、自监督预训练等角度展开技术选型逻辑
- 针对工程化，强调API设计、输入输出规范、性能压测与错误处理机制
- 请详细介绍你过往发表的论文中模型的创新点与消融实验设计
- 面对药物发现中典型的长尾分布与数据稀缺问题，你会如何调整模型架构或损失函数？
- 如何将你的算法模块封装成Agent可调用的标准化接口？
- 系统复习Transformer变体、图神经网络及扩散模型的核心数学推导
- 梳理AI for Science经典文献（如AlphaFold、DiffDock等）的技术路线
职位点评
薪资福利75
成长发展92
工作生活60
使命价值85
薪资福利
75中等
互联网大厂实习津贴通常高于市场平均水平，但作为实习岗仍属固定补贴性质，稳定性与长期收益不及正式编制。
薪资信号未披露（AI估算：1.0千–1.8万/月）
成长发展
92较高
岗位直接切入AI for Science前沿赛道，提供接触顶级算力、海量生物数据及跨学科团队协作的机会，技术成长曲线陡峭。
技术前沿前沿/新兴技术
技术栈PyTorch、JAX、Transformer、图神经网络、扩散模型、Flow Matching、RDKit
业务类型ambiguous
工作生活
60中等
研究型岗位通常节奏紧凑，需紧跟前沿技术迭代，加班情况未明确提及，但大厂研发常态下WLB可能面临一定挑战。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于通过AI加速新药研发进程，直接关联人类健康改善与生命科学研究突破，具有显著的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs