深度求索
预训练（数据/算法）研究员
预训练（数据/算法）研究员
发布于 4 个月前普通员工/个人贡献者
全职员工仅现场办公研究与开发 (研发)
研究与开发 (研发)
Agi
Scaling Law
优化器
多模态
数据治理
模型结构
深度学习
训练加速
预训练
值不值得投
74综合评分
综合评分 74
前沿AI研究岗位，高发展高意义，但工作强度大且仅现场办公。
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，方便横向比较。
薪资怎么样
4.5万
比研究与开发 (研发)中位数低
发布情况
长期在招 · 112 天前发布
公司情况
这家公司招聘很活跃
20 个在招 · 其中研究与开发 (研发) 4 个
市场机会
选择面较广
北京 · 研究与开发 (研发) · 约 1180 个在招
职位详情
关于这个职位
该职位专注于预训练模型的研究与开发，包括算法优化（模型结构、优化器、scaling law）和数据治理（数据管线、筛选策略、评估体系）
你将探索AGI前沿，推动基础理论研究，适合对AI有热情、具备深度学习背景和编程能力的候选人
最低要求
整体要求：1. 对世界有好奇心，对AGI有信仰，对研究工作有极高的热情，有自己对模型行为的独特理解
有严谨的科学精神，出色的研究品味，和优秀的逻辑能力
有无私的团队合作精神，认同开放共进的企业文化
善于沟通，大胆质疑，平等开放，有大局观
预训练算法研究员：1. 对算法相关的领域前沿了解深入而全面，有自己的想法和坚信的事情，能够积极地去发现并解决新的问题
精通深度学习，并至少深耕一个方向，对该方向有独立且深入的认知
编程能力出色，善于使用先进AI工具提升工作效率
预训练数据研究员：1. 认可数据是全人类的宝贵财富，能够脚踏实地做事
有主见，能够积极地去发现并解决新的问题，对新方向能独立且快速地建立深入的认知
熟悉深度学习，编程能力顶尖，善于使用先进AI工具提升工作效率
工作职责
预训练算法研究方向：1. 针对实际的问题和瓶颈，软硬件协同地设计强大和高效的模型结构
设计高性能和鲁棒的优化器，研究模型训练过程中的动力学和稳定性问题
建立科学的scaling law，对模型的scaling行为建立认知，并进行合理的预测和规划
研究各种训练和推理加速算法
探索开拓性的新型模型结构和训练方法
保持对领域前沿的学习和跟进，持续推动和预训练相关的基础研究
预训练数据研究方向：1. 持续搭建和改进现有的数据生产管线，与数据上下游保持紧密合作
设计和建立科学、严谨、能落地的数据治理体系，持续优化数据配比与筛选策略
通过数据实验持续挖掘已有不足并补齐，建立数据与智能之间的纽带
构建多维度模型评估体系（自动+人工），覆盖通用能力及垂直场景
研究数据的合成与scaling行为
垂类数据研究：多模态数据、agent数据、用户反馈数据、高质量学术数据等
保持对领域前沿的学习和跟进，持续推动和预训练相关的基础研究
优先资格
有代表作（一作引用过100的文章，综述文章除外，不要求已发表于期刊或会议）
竞赛或学习成绩极其优异（NOI/CMO/CPhO银牌及以上，顶尖高校院系排名前5%，或其他拥有同等含金量的经历）
在顶尖AI公司或实验室的核心团队有过长期（一年及以上）实习或工作经历，并在此期间作为主要贡献者完成了最终用于主线模型的研究成果
对模型能力边界有敏锐判断，善于发现模型在真实场景中的短板和失效模式
有优秀的跨团队沟通能力，能与工程、标注、产品等同事高效协作
AI 洞察
优缺点分析
优点
- 参与AGI前沿研究，接触最先进的模型结构、scaling law等技术
- 公司专注AGI且处于快速发展期，个人成长空间大
- 团队氛围开放，鼓励创新和试错，研究成果可直接应用于产品
- 工作强度大，需要持续追踪前沿并快速产出高质量研究成果
- 竞争激烈，要求极高的专业素养和创新能力
- 研究方向不确定性高，需要承受科研探索中的挫折
- 适合对AGI有强烈信仰、具备深厚深度学习背景和卓越研究能力的顶尖人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 成长为预训练算法专家或首席科学家，主导核心模型研发
- 向研究管理方向发展，带领团队攻克AGI关键技术难题
- 在学术和工业界发表高影响力论文，推动领域进步
- 设计并改进大规模预训练模型的网络结构、优化器和训练策略，提升模型性能
- 研究scaling law和训练动力学，指导模型扩展和资源规划
- 构建数据治理体系，优化数据配比和筛选，确保数据质量
- 开发自动和人工评估体系，持续监控模型能力并发现缺陷
- 精通深度学习理论及框架（如PyTorch），具备模型结构设计或优化器开发经验
- 编程能力极强，熟练使用Python和AI工具（如CUDA、分布式训练框架）
- 对预训练领域前沿有深入理解，拥有独立研究能力和创新思维
- 数据方向需掌握数据处理管道和相关技术（如Spark、数据清洗、合成数据）
申请策略
- 申请时需明确方向（算法或数据），并在简历中针对性地展示相关经历
- 了解DeepSeek的产品和技术博客，在面试中体现对齐公司价值观
- 突出深度学习领域的研究成果，如高质量论文（引用>100）或重大项目经验
- 强调编程能力，展示GitHub项目或开源贡献
- 用具体例子说明解决复杂问题的能力，例如模型结构改进或数据策略优化
- 如适用，提及竞赛获奖或跨团队协作经历
- 深入理解scaling law和分布式训练框架（DeepSpeed/Megatron）
- 学习最新模型架构（如MoE、Mamba）和优化器（如AdamW、Lion）
面试指南
- STAR法则：情境、任务、行动、结果，清晰展示工作贡献
- 对比分析：将你的方案与现有方法对比，突出独特性和有效性
- 量化结果：用指标（损失下降、加速比、数据效率等）支撑观点
- 请介绍一个你参与过的预训练模型结构优化项目，并说明其创新点
- 如何设计scaling law实验来预测模型在更大规模下的表现？
- 在处理数据时，如何确保数据质量并设计配比策略？
- 如何评估一个预训练模型的能力短板？请给出具体方法
- 你对当前预训练领域的最大挑战有什么看法？
职位点评
薪资福利70
成长发展95
工作生活40
使命价值90
薪资福利
70中等
该职位薪资预计较高（30k-60k/月+15薪），但B轮公司稳定性略低于成熟大厂，整体补偿性中等偏上。
薪资信号未披露（AI估算：3.0–6.0万/月）
成长发展
95较高
职位处于AGI技术前沿，研究内容极具挑战性和创新性，个人技能和职业生涯增长空间极大。
技术前沿前沿/新兴技术
技术栈预训练、Scaling Law、优化器、模型结构、分布式训练、数据治理
成长机会团队使命、前沿学习、持续推动基础研究
业务类型ambiguous
工作生活
40较低
仅现场办公，地点北京，未提及弹性工作或远程，可能工作强度大，生活平衡一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
90较高
明确追求AGI并服务全人类，使命感和创新性强，对追求社会价值的研究者有很强的意义感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号探索智能的本质、持续追求AGI、服务于全人类的共同利益与福祉
创新程度开拓性创新（行业首创）
深度求索 的其他在招职位
相似职位推荐
Watch Jobs