科大讯飞
AI研究算法工程师-大模型预训练数据研究方向(J13369)
AI研究算法工程师-大模型预训练数据研究方向(J13369)
发布于 大约 3 小时前普通员工/个人贡献者
合肥市 / 武汉市
无经验要求
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Acl
Neurips
Pytorch
代码智能体
多模态
大模型
数据合成
深度学习
预训练
AI 估算 · 18k–28k
AI算法岗需求旺盛，科大讯飞作为AI龙头，薪资具备竞争力；合肥/武汉生活成本较低，综合估算月薪中位数约23K。
职位详情
关于这个职位
该职位专注于大模型预训练数据的研究与工程，负责构建高质量的数据体系、优化数据合成方法，并建立自动化评测框架
你将深入探索多语言文本、代码智能体及多模态数据，为基模训练提供核心支撑，同时与上下游团队紧密协作，推动预训练技术的创新突破
适合对通用人工智能有热情、具备扎实深度学习背景和编程能力的应届生
最低要求
拥有强烈科研热忱与长远科研信念，对通用人工智能充满探索欲，能形成独有的模型行为认知，主动挖掘、攻坚全新研究问题
具备严谨的科研素养，逻辑思维突出，拥有良好研究审美，深耕深度学习领域并在至少一条细分方向形成体系化、深度独立见解
专业技术与工程能力过硬，编程功底扎实，熟练运用各类前沿 AI 工具赋能研发，高效推进实验与落地工作
秉持务实踏实的做事态度，重视数据核心价值，愿意沉下心完善数据与模型相关基础工作，独立快速吃透新兴研究赛道
具备开放包容的协作意识，认同协同共进的团队文化，沟通顺畅、敢于理性质疑，待人平等，拥有全局大局观
广泛且深入跟进行业前沿动态，拥有自主思考与笃定的研究思路，主动探索创新解法，持续推进预训练相关基础研究突破
工作职责
构建完善的预训练数据体系，覆盖多语言文本数据、代码智能体数据、多模态数据等，为基模训练提供有效数据支撑
迭代完善数据生产链路，搭建标准化、高效的数据治理体系，联动上下游团队协作，保障高效及高质的数据供给
探索多样的数据合成方法，提升无监督数据多样性
探索调优数据筛选规则与各类数据分配比例
搭建自动化评测框架，全方位评测和监控无监督模型效果，为模型训练提供有效指导
紧跟行业前沿，深耕预训练数据相关基础创新研究
优先资格
以第一作者在NeurIPS、ICML、ICLR、ACL、EMNLP等AI顶会发表大模型、代码智能体等相关论文，若引用达到100以上优先
深度使用Claude Code、Codex等AI编程工具，对代码大模型能力边界、优化方向有真实实践认知
拥有LLM、Agent、代码大模型相关开源项目贡献经历，GitHub有活跃开源协作成果
参与过算法、代码、奥数类权威竞赛并取得优异名次，具备扎实的算法与代码功底
在顶尖 AI 公司或实验室的核心团队有过长期实习经历，并有重要研究成果落地到基模大模型
AI 洞察
优缺点分析
优点
- 处于大模型最核心的数据环节，技能稀缺性强，行业前景广阔
- 科大讯飞在AI领域积累深厚，平台资源丰富，能接触前沿研究
- 工作涉及多模态等热门方向，有利于个人技术积累和跳槽竞争力
- 可与顶尖研究者和工程师合作，快速成长
- 预训练数据研究尚在早期，方法论不成熟，需大量探索和试错
- 数据工作可能较为繁琐，需要耐心和细致
- 适合对人工智能有强烈科研热情、愿意深耕数据领域、具备扎实编程和深度学习基础的应届硕士/博士生
缺点 / 挑战
- 工作内容偏研究型，对独立创新和论文产出有较高期待
角色解读
- 从数据研究员向预训练算法专家发展，主导数据策略和模型优化
- 可转向模型训练、模型评估等关联岗位，拓宽技术广度
- 未来可晋升为技术Leader，带领数据团队或算法团队
- 负责预训练数据的全链路构建与优化，包括多语言文本、代码、多模态数据的采集、清洗与合成
- 设计自动化评测框架，监控模型效果，指导训练数据迭代
- 探索数据增强和筛选规则，提升数据多样性与模型性能
- 跟踪前沿研究，将最新方法落地到数据生产中
- 扎实的深度学习理论基础，熟悉Transformer、预训练范式等
- 精通Python和主流深度学习框架（PyTorch/TensorFlow），具备工程化能力
- 对数据敏感，有数据清洗、分析、合成相关经验
- 了解大模型（LLM）、多模态、代码智能体等前沿方向
申请策略
- 了解科大讯飞的大模型产品（如星火大模型）及其数据策略
- 在简历中展示对数据驱动AI的独特见解，体现思考深度
- 突出相关项目经历，如参与过大模型训练、数据合成或评测工作
- 强调论文发表、竞赛获奖或开源贡献，体现研究能力
- 展示编程实力，如GitHub项目或技术博客
- 体现对数据质量的重视和工程落地经验
- 系统学习预训练数据相关论文（如数据筛选、课程学习等）
- 动手复现一些数据增强或合成方法，积累实践经验
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
- 从问题定义、方案设计、实验验证、结果分析四个步骤展开
- 结合前沿论文和自身实践，体现思考深度与批判性思维
- 请谈谈你对预训练数据质量重要性的理解，以及如何评估数据质量
- 描述一个你参与过的数据合成或清洗项目，遇到了哪些困难，如何解决？
- 你如何看待当前大模型预训练数据的局限性？有哪些改进方向？
- 解释一下数据多样性对模型性能的影响，如何量化？
- 你熟悉哪些自动化的模型评测方法？请举例说明
职位点评
74
综合评分
AI大厂核心研究岗，前沿技术栈、高成长性，但工作强度未知。
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。
更适合这类人
适合追求技术成长和行业影响力、愿意投入时间和精力在研究上的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值85
薪资福利
75中等
科大讯飞作为上市公司，薪资福利具有竞争力，但具体待遇未披露；合肥/武汉生活成本较低，综合性价比不错。
薪资信号未披露（AI估算：18K-28K/月）
成长发展
90较高
职位深度参与大模型核心数据研究，技能前沿，成长空间大；明确鼓励研究创新和论文发表，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈大模型、预训练、多模态、代码智能体、数据合成
成长机会紧跟行业前沿、基础创新研究、研究突破
业务类型ambiguous
工作生活
40较低
未提及远程或弹性工作，工作地点在合肥/武汉，多为现场办公；未涉及WLB信息，可能有一定工作强度。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
参与通用人工智能前沿研究，推动大模型技术进步，社会价值高；AI行业高速增长，使命感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号对通用人工智能充满探索欲
创新程度开拓性创新（行业首创）
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs