科大讯飞
【星火X计划】面向自主持续学习的基础大模型训练技术研究(J14512)
【星火X计划】面向自主持续学习的基础大模型训练技术研究(J14512)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Grpo
Neurips
Ppo
Pytorch
分布式训练
大模型
强化学习
智能体
自主持续学习
值不值得投
74综合评分
综合评分 74
前沿AI研究岗、技术成长性强、意义感高，但WLB可能一般且薪资未披露。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2.3万
比人工智能中位数高
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 220 个在招 · 其中人工智能 23 个
市场机会
选择适中
合肥 · 人工智能 · 38 个在招
职位详情
关于这个职位
该职位属于科大讯飞‘星火X计划’，专注于基础大模型训练技术研究，特别是自主持续学习方向
工作涉及强化学习、智能体交互、自主进化等关键技术，旨在构建具备深度推理、复杂决策和持续自我提升能力的下一代大模型
最低要求
-27届硕士及以上学历，计算机科学、人工智能、自动化、电子信息、数学、物理等相关专业
其他专业但具备突出研究和动手能力者同样欢迎
对强化学习、大模型推理、智能体和自主学习具有强烈兴趣，具备扎实的大模型强化学习算法和训练基础，熟悉PPO、GRPO、OPD等常见的大模型后训练和强化学习算法，拥有大语言模型强化学习相关实习或项目经历
具有扎实的编程和计算机系统基础，精通Python等语言，熟悉PyTorch及主流分布式训练框架，具备优秀的工程实现能力
熟悉Linux、Git、推理引擎、分布式训练系统和大规模数据处理流程
对自主持续学习、开放式学习、模型自我验证或递归式自我改进等前沿方向具有深入思考，能够在缺少成熟范式和标准答案的开放问题中开展探索性研究，愿意持续解决开放性、高不确定性的技术问题
具备良好的沟通协作能力、自驱力和责任意识，能够独立负责重要研究方向，并推动算法、数据、系统和业务团队之间的协同落地
工作职责
【课题介绍】研究自主持续学习的基础大模型训练技术，围绕Reasoning RL、Agentic RL、自主持续学习与递归式自我改进等方向，探索从奖励建模、可验证强化学习、策略优化、过程监督到智能体环境交互、在线学习的完整技术验证
构建面向推理、代码、工具使用和开放环境任务的强化学习基础设施与评测体系
【课题挑战】
Agentic RL与长时程Credit Assignment：面向代码智能体、复杂工具调用智能体，研究层次化策略学习、轨迹级与步骤级价值估计、反事实信用分配、失败恢复和探索策略
开放环境中的探索与自主学习：探索模型的能力边界探测、开放式探索、内在奖励和自博弈机制，形成“发现问题—尝试解决—验证结果—更新能力”的自主学习循环
递归式自我改进的稳定性与可控性：探索模型生成训练数据、改进算法、优化智能体框架乃至辅助研究流程的技术路径，建立稳定、可解释和可控制的实验范式
【课题价值】
突破大模型推理与决策能力上限
推动智能体从任务执行走向环境学习
建立模型自主持续学习能力
探索下一代模型自我进化路径
优先资格
在 NeurIPS/ICML/ICLR/ACL/EMNLP/AAAI/IJCAI等相关会议或期刊发表高质量论文者优先
在ACM等高水平算法编程竞赛、CMO/IMO等数学竞赛或其他比赛中取得过优异成绩者优先
AI 洞察
优缺点分析
优点
- 前沿技术方向：专注于自主持续学习、智能体等AI前沿领域，技术积累价值高
- 公司平台支持：科大讯飞作为上市AI企业，提供丰富的研发资源和行业影响力
- 技术难度高：涉及长程信用分配、开放环境探索等复杂问题，需要持续攻克难关
- 不确定性大：开放式研究范式，可能缺乏成熟标准和明确路径，对自驱力要求高
缺点 / 挑战
- 研究深度：课题挑战性强，有利于个人技能快速提升和创新探索
- 工作强度可能较高：研究岗位需深入探索和实验，时间投入较多
- 对人工智能研究有强烈兴趣、喜欢探索前沿技术、能应对开放性挑战并具备扎实编程能力的求职者
角色解读
- 从AI研究工程师成长为高级研究员或技术专家，主导核心算法研发
- 积累前沿经验后，可向技术管理岗位发展，负责团队或项目方向
- 在学术和工业界建立影响力，参与行业标准制定或开源项目
- 研究自主持续学习的大模型训练技术，包括强化学习、智能体交互和自主进化算法
- 设计和实现面向推理、代码和工具使用的强化学习基础设施与评测体系
- 探索模型自我验证、递归式改进等开放性问题，推动下一代大模型的持续成长能力
- 掌握强化学习算法（如PPO、GRPO）和大模型训练基础，具备相关项目或实习经验
- 精通Python编程和PyTorch框架，熟悉分布式训练系统和Linux开发环境
- 具备扎实的数学和计算机系统基础，能够进行探索性研究和解决高不确定性技术问题
申请策略
- 了解科大讯飞的星火X计划和技术方向，在申请材料中体现对自主持续学习的理解
- 准备展示解决开放性问题的思维过程和项目案例，突出自驱力和协作能力
- 突出强化学习、大模型相关的研究项目或实习经历，描述具体成果和算法应用
- 列举在顶级会议（如NeurIPS、ICML）发表的论文或编程竞赛奖项，体现研究能力
- 强调Python、PyTorch等技能以及分布式训练、系统实现的工程经验
- 深入学习强化学习理论（如策略优化、信用分配）和大模型后训练技术
- 实践智能体开发与分布式训练框架，提升在开放环境中的算法实现能力
面试指南
- 使用STAR法则（情境-任务-行动-结果）结构化回答，结合具体项目案例
- 从技术原理和实践角度分析问题，展示深度思考和创新解决方案
- 强调团队协作和推动落地的能力，体现沟通与责任意识
- 请描述你过去在强化学习或大模型训练方面的项目经验，遇到了哪些挑战？
- 你对自主持续学习或智能体自主进化有什么理解？认为关键难点是什么？
- 如何设计一个面向开放环境任务的强化学习评测体系？
- 在长时程交互中，如何解决信用分配问题？举例说明你的思路
- 复习强化学习核心算法（如PPO、GRPO）和大模型训练流程，准备技术细节问答
职位点评
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利
70中等
薪资水平基于市场估算，福利信息未在JD中提及，整体补偿性动机满足程度一般。
薪资信号未披露（AI估算：1.5千–3万/月）
成长发展
90较高
职位涉及强化学习、智能体等前沿AI技术，提供深度研究和技能成长机会，发展性动机满足度很高。
技术前沿前沿/新兴技术
技术栈强化学习、大模型、智能体、自主持续学习、PPO、GRPO、PyTorch、分布式训练
业务类型ambiguous
工作生活
50较低
JD未明确办公模式和WLB信号，研究岗位可能涉及高强度探索，生活化动机满足程度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
研究方向聚焦于推动AI自主进化和下一代大模型发展，具有较高的技术前沿性和社会价值，意义感动机较强。
行业发展高速增长赛道
社会影响中性/一般
使命信号突破大模型推理与决策能力上限、推动智能体从任务执行走向环境学习、建立模型自主持续学习能力、探索下一代模型自我进化路径
创新程度开拓性创新（行业首创）
Watch Jobs