智谱
AI4Research 数据与能力工程实习生
AI4Research 数据与能力工程实习生
发布于 5 小时前实习/见习
实习生仅现场办公数据工程
数据工程
Ai4Science
Autoresearch
Llm
数据工程
知识图谱
论文复现
值不值得投
薪资怎么样
7.0千
比数据工程中位数低
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 280 个在招
市场机会
选择面较广
北京 · 数据工程 · 约 170 个在招
职位详情
关于这个职位
该实习岗位面向 AI4Science 与 AutoResearch 方向，核心工作是把学术论文、GitHub 代码、实验数据等非结构化科研资料，抽取并结构化为可复用的「科研技能（Research Skill）」资产
你将参与设计 Skill Schema、科研知识图谱与 Research Memory 体系，并协助搭建能自动调用这些技能的科研智能体（Research Agent）
适合对 LLM/Agent、AI for Science 有强烈兴趣、且具备 Python 数据处理能力的学生
最低要求
本科及以上学历，计算机、人工智能、自动化等相关专业
熟练使用 Python，具备基本数据处理与工程能力
能阅读论文并理解科研实验流程
对以下方向有兴趣：LLM / Agent、AI for Science、AutoResearch、知识图谱 / 数据工程
工作职责
参与构建面向 AutoResearch 与 AI4Science 的 Research Skill 系统
从学术论文、GitHub、实验数据与预训练数据中提取并结构化：实验流程（workflow）、preprocessing pipeline、evaluation protocol、baseline 与 failure cases
参与构建 Research Asset / Skill 数据体系，包括：Skill Schema、科研知识结构化、Research Memory 与 Capability Graph
协助构建科研智能体（Research Agent）与动态 Context / Skill 系统
优先资格
有论文复现、benchmark、科研项目经验
熟悉 GitHub 开源科研项目
有 Agent / LLM 项目经验
有实验室科研经历者优先
AI 洞察
优缺点分析
优点
- 直接接触 AI4Science、AutoResearch 这类前沿研究方向，技术视野开阔，简历含金量高
- 工作内容是稀缺的「科研知识结构化 + Agent」交叉领域，积累的能力在市场上供给少、需求在增长
- 产出物是数据资产与系统，可形成可展示的开源或论文级成果
- 任务高度依赖论文阅读和概念抽象，前期需要大量阅读与 schema 讨论，短期成就感可能不强
- 实习岗位对时间投入有一定要求，JD 提到长期实习优先
- 适合计算机/AI 相关专业、对科研有热情、愿意长期投入并能啃论文的在校学生，尤其是想从「调包」走向「理解科研方法」的人
缺点 / 挑战
- 科研知识结构化没有标准答案，需要反复与研究员对齐、迭代 schema，沟通成本较高
角色解读
- 纵向可发展为科研数据/知识工程方向的技术专家，或 Research Agent / LLM 应用工程师
- 横向可转向 AI4Science 研究型岗位，积累科研方法论文档与 benchmark 经验后具备读博或转研究岗的竞争力
- 实习表现优秀者通常有转正机会，进入核心的 Agent / AI4Science 团队
- 把论文、开源代码和实验数据拆解成结构化的科研「技能资产」，例如实验流程、预处理 pipeline、评测协议和 baseline，并沉淀为统一的 Skill Schema
- 参与搭建科研知识图谱（Capability Graph）与 Research Memory，让科研智能体能按需检索调用这些能力
- 同时协助开发 Research Agent 的动态上下文与技能调度机制，让智能体能自动完成部分科研工作
- 整体是「科研知识工程 + Agent 工程」的交叉工作，而非单纯训练模型
- Python 数据处理与工程能力是硬门槛，需要写爬取/解析/清洗/存储的脚本
- 较强的论文阅读能力，能看懂实验设置、评测协议和 baseline 设计，并把它们抽象成结构化字段
- 对 LLM、Agent、知识图谱的基本概念有理解，能把非结构化知识映射到 schema
- 良好的工程习惯与文档意识，因为产出的是供他人（和 Agent）复用的数据资产
申请策略
- 投递时在邮件或备注中明确可实习时长与每周天数，JD 写明长期实习优先，这是重要筛选点
- 可提前浏览智谱在 Agent / GLM 方向的开源项目，面试时能接上具体话题
- 突出论文复现经历：复现了哪篇论文、跑了哪些 baseline、复现结果与原论文差异及原因分析
- 展示 Python 数据工程能力：爬取/解析/清洗/入库的完整链路，最好有结构化数据集产出
- 列出 Agent / LLM 项目细节，说明你如何设计 prompt、工具调用与上下文管理
- 若有 GitHub 开源科研项目贡献，直接给链接并写清你的具体改动
- 提前熟悉至少 2-3 个 AI4Science 方向的经典 benchmark 与评测协议，能把「实验流程」讲清楚
- 补充知识图谱/schema 设计基础（实体、关系、本体设计思路）
面试指南
- 讲论文时用「问题—方法—数据与预处理—评测—结果与失败案例」五段式结构，体现你理解科研流程而非只会跑代码
- 设计类问题先讲约束和目标用户（研究员 / Agent），再给 schema 初版字段，最后说明如何迭代与兼容
- 项目类问题用 STAR：背景、你的具体动作、关键技术选择、量化结果与复盘
- 挑一篇你熟悉的论文，讲清楚它的实验流程、预处理 pipeline、评测协议和 baseline 分别是什么？
- 如果让你设计一个描述「科研技能」的 Schema，你会包含哪些字段？如何保证可扩展？
- 讲一个你做过的 Agent / LLM 项目，上下文和工具调用是怎么组织的？遇到过什么问题？
- 你如何从 GitHub 开源项目中抽取可复用的实验配置与失败案例？工程上会怎么做？
- 你希望在这段实习中收获什么？能投入多长时间？
Watch Jobs