科大讯飞
AI研究算法工程师-大模型预训练算法岗位(J13370)
AI研究算法工程师-大模型预训练算法岗位(J13370)
发布于 大约 8 小时前普通员工/个人贡献者
合肥市
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)
Icml
Neurips
Pytorch
Scaling Law
优化算法
大模型预训练
模型架构
深度学习
解码算法
AI 估算 · 30k–50k
大模型方向为当前AI核心赛道，技能要求高，科大讯飞为上市大厂，校招博士薪资竞争力强，对标一线互联网水平。
职位详情
关于这个职位
本岗位是科大讯飞AI研究院的大模型预训练算法岗位，专注于探索模型尺寸与数据的Scaling Law，开发高效的优化策略和创新模型架构，以降低算力成本并推动预训练基础理论突破
你将与顶尖团队合作，解决训练不稳定、不收敛等难题，并持续跟踪行业前沿
适合对通用人工智能充满热情、具备扎实深度学习背景和编程能力的应届博士或硕士
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
探索模型尺寸、数据Scaling Law，指导团队对模型尺寸、数据量进行合理规划
聚焦训练过程底层规律，开发收敛速度快、抗扰动能力强的优化策略，具备解决训练不稳定、不收敛等难题的能力
面向产业落地痛点，融合软硬件特性，研发兼具强表征能力与低算力开销的创新模型架构
针对模型结构及解码特性，探索高效解码算法和策略，降低大模型部署与迭代的算力成本
持续跟踪行业最新科研进展，深耕预训练底层基础理论创新，突破现有范式，探索颠覆性全新建模思路与预训练范式
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
- 大模型预训练是当前AI最热门方向，技术积累和职业前景极佳
- 科大讯飞为上市大公司，资源丰富，团队实力强，能接触前沿课题
- 岗位强调科研创新，有充足机会发顶会论文和实现技术突破
- 校招进入核心研发团队，起点高，成长速度快
- 对科研能力和工程能力要求极高，需要持续学习和创新
- 预训练任务算力消耗大，可能面临实验周期长、结果不确定性高的问题
- 适合对AI基础研究有强烈热情、具备博士或优秀硕士背景、希望在预训练领域做出原创性贡献的研究型人才
缺点 / 挑战
- 竞争激烈，需要面对来自国内外顶尖实验室和企业的压力
角色解读
- 在AI研究院内成长为预训练方向的专家或技术负责人，主导核心算法突破
- 向更前沿的通用人工智能方向拓展，如多模态、AI Agent等
- 积累顶会论文和产业落地经验后，可成为行业领军人物或创业
- 研究大模型预训练的底层规律，探索数据量与模型尺寸的Scaling Law，为团队提供规划建议
- 开发高效优化策略，解决训练不稳定、不收敛等难题，提升模型训练效率
- 设计创新模型架构与解码算法，在保持性能的同时降低算力开销
- 跟踪前沿科研动态，突破现有范式，探索颠覆性预训练方法
- 扎实的深度学习理论基础，熟悉Transformer、预训练等核心概念
- 优秀的编程能力，熟练使用Python和PyTorch等框架
- 独立研究能力，能够从问题定义到实验落地全流程推进
- 良好的科研品味，能够识别有价值的研究方向
申请策略
- 深入了解科大讯飞在AI领域的布局和预训练方向，面试中展现对公司的认可
- 准备一个独立的研究想法或对当前大模型问题的分析，展示研究潜力
- 突出深度学习相关的研究经历，尤其是大模型、预训练方向的项目或论文
- 强调编程和工程能力，展示GitHub开源贡献或竞赛成绩
- 如有顶会论文或高影响力工作，务必详细说明个人贡献
- 体现对Scaling Law、优化策略等核心问题的深入思考
- 系统学习大模型预训练相关论文，如GPT系列、LLaMA、Scaling Law等
- 熟悉主流AI工具如Claude Code、Codex，增强编程效率
面试指南
- 对于技术类问题，先阐述核心概念和原理，再结合自己的实践经验给出具体案例
- 对于开放性问题（如瓶颈），从多个角度分析（计算、内存、数据等），并给出有依据的改进思路
- 项目介绍遵循STAR原则（背景、任务、行动、结果），突出个人贡献和思考深度
- 请解释一下Scaling Law是什么，以及实践中如何应用？
- 训练大模型时遇到loss震荡或发散，你会如何诊断和解决？
- 你认为当前大模型架构（如Transformer）的主要瓶颈是什么？如何改进？
- 介绍你做过的一个深度学习研究项目，包括问题、方法、结果
- 如何平衡模型性能和计算成本？举例说明
职位点评
75
综合评分
前沿大模型预训练研究岗，技术成长极大，但工作强度较高，适合追求顶尖技术的研究者。
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
最适合追求技术成长和科研突破的研究型人才，对工作强度有一定承受力。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活40
使命价值85
薪资福利
70中等
薪资在行业内具有竞争力，且公司为上市大厂，稳定性较好，但JD未明确福利细节。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该岗位完全面向最前沿的大模型技术，成长空间巨大，鼓励科研创新和论文发表，是顶尖的发展平台。
技术前沿前沿/新兴技术
技术栈大模型预训练、Scaling Law、深度学习、优化策略、Transformer
业务类型profit_center
工作生活
40较低
工作地点在合肥，偏中西部，且岗位属高强度研究岗，可能面临较大工作压力，WLB一般。
工作模式仅现场办公
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
通用人工智能属于高社会价值领域，预训练研究推动技术边界，使命驱动感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
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