Watch Jobs
CXMT logo
长鑫存储
Agent 算法专家-Agent Algorithm Expert(J20170)
立即应聘

Agent 算法专家-Agent Algorithm Expert(J20170)

发布于 大约 3 小时前

普通员工/个人贡献者

北京市 / 合肥市
高级经验
全职员工
仅现场办公
硕士
机器学习工程
Dpo
Lora
Pytorch
Qlora
Tensorflow
多模态
大模型微调
芯片设计

AI 估算 · 35k–65k

AI算法专家岗位，要求5年+经验和大模型实战，市场竞争力强，结合芯片行业和一线城市薪资水平估算。

职位详情

关于这个职位

该职位专注于将多模态大模型和Agent技术应用于芯片设计、验证、制造和测试环节，解决实际业务问题

你将负责从问题定义、数据清洗到模型微调与评测的全流程，推动AI技术在半导体领域的落地
适合具有深厚NLP背景和大模型实战经验的算法专家

最低要求

教育背景与专业知识：计算机科学、电子信息科学、微电子等相关背景硕士以上学位

行业与专业经验：至少五年以上NLP相关工作经验
专业技能与资格：熟练掌握Python，有TensorFlow、PyTorch等深度学习框架的实际开发经验
对大模型的微调技术有实际的项目实践，包括从预训练、监督微调、对齐微调的pipeline，以及LORA、QLORA、DPO等核心技术手段
深入理解多模态相关的技术架构，并有实际从事多模态数据集清洗的实践经历
具有扎实的数学理论功底
项目/任务成果：有独立负责大型软件项目架构设计并实际参与编码研发相关的项目经历者优先
在AI相关的技术领域有独立开发的开源项目者优先
有顶会或期刊的论文发表经验，包括但不限于CVPR、ECCV、NeurIPS等
其他要求：具备良好的团队协作精神，目标导向，行动力强，勇于接受挑战并有较强的抗压能力
具有出色的文献研究能力和沟通能力，乐于分享自己的研究兴趣和实践成果

工作职责

问题定义：在芯片设计、验证、制造、测试环节中，定义多模态大模型可以解决的实际问题，明确技术落地场景

数据梳理与清洗：梳理多模态大模型所需的业务数据，完成业务数据的收集和清洗工作，确保数据质量与可用性
模型微调与评测：针对特定的业务场景，对大模型进行微调和评测，覆盖大语言模型、多模态大模型和agent等技术方向，推动模型效果持续优化

优先资格

有独立负责大型软件项目架构设计并实际参与编码研发相关的项目经历者优先

在AI相关的技术领域有独立开发的开源项目者优先
有顶会或期刊的论文发表经验，包括但不限于CVPR、ECCV、NeurIPS等

AI 洞察

优缺点分析

优点

  • 前沿技术栈：多模态大模型和Agent是AI热点，技能积累价值高
  • 行业前景好：芯片制造是国家战略，半导体AI应用需求增长
  • 公司平台：长鑫存储是国内DRAM龙头，项目资源丰富
  • 个人成长：有机会参与从数据到模型全流程，积累端到端经验
  • 技术难度高：需要同时掌握大模型、多模态、芯片业务知识
  • 跨学科协作：需与芯片工程师、算法团队紧密配合，沟通成本高

缺点 / 挑战

  • 工作强度较大：JD提到“较强抗压能力”，可能面临快速迭代压力
  • 适合有5年以上NLP经验、热爱技术挑战、愿意深耕半导体AI领域的算法专家

角色解读

  • 向AI技术专家或架构师方向发展，主导芯片领域AI解决方案
  • 可转向更广泛的AI应用场景，如自动驾驶、机器人等
  • 积累半导体行业知识，成为行业+AI的复合型人才
  • 定义芯片制造环节中多模态大模型的应用场景，识别可落地的实际问题
  • 收集和清洗业务数据，确保数据质量和可用性
  • 针对具体场景微调大模型（包括LLM、多模态、Agent），并进行评测和优化
  • 扎实的NLP和大模型微调经验，熟悉LORA、QLORA、DPO等核心技术
  • 熟练使用Python及TensorFlow、PyTorch等深度学习框架
  • 深入理解多模态技术架构，有数据集清洗实践

申请策略

  • 求职时可准备一个将大模型应用于半导体场景的案例，展示业务理解
  • 面试前了解长鑫存储的技术栈和产品方向，体现诚意
  • 突出大模型微调项目经验，特别是LORA、QLORA、DPO的实际应用
  • 强调多模态数据处理和清洗的实践经历
  • 展示独立负责大型软件项目架构设计的能力
  • 列出顶会论文或开源项目作为加分项
  • 补充芯片制造基础知识，了解相关工艺流程
  • 深入Agent架构，学习LangChain、AutoGen等框架

面试指南

  • 项目描述遵循“背景-方案-结果”结构，突出个人贡献和技术难点
  • 对于开放性问题，先给出核心观点，再用案例支撑
  • 技术原理类问题：定义→原理→优缺点→改进方向
  • 请详细描述你过去负责的一个大模型微调项目，包括数据、模型、评估指标
  • 你如何处理多模态数据中的噪声和不一致性？
  • 在Agent设计中，如何平衡自主决策与人工干预？
  • 你如何看待大模型在芯片制造领域的应用前景？
  • 请解释LORA和QLORA的原理及适用场景

职位点评

66
综合评分

前沿AI算法岗，技术成长空间大，但工作强度高，适合热爱挑战的专家。

从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。

更适合这类人
适合追求技术前沿和职业成长、对工作强度有心理准备、希望在半导体AI领域深耕的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活30
使命价值75

薪资福利

65中等

薪资水平未在JD中明确，但基于岗位要求和行业惯例，预计处于市场中上水平。福利未提及，补偿性动机满足程度中等。

薪资信号未披露（AI估算：35K-65K/月）

成长发展

90较高

该职位使用前沿的多模态大模型和Agent技术，要求掌握多种微调方法，技术成长空间大。但JD未明确提及晋升通道或培训，发展性动机得分高但有小幅扣分。

技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LORA、QLORA、DPO、多模态、Agent
业务类型profit_center

工作生活

30较低

工作地点固定，无远程选项，且JD暗示高强度工作（“较强抗压能力”），生活化动机满足程度较低。

工作模式仅现场办公
办公地点未明确
加班情况JD含高强度暗示词

使命价值

75中等

芯片制造是国家战略产业，将AI应用于半导体有显著社会价值。JD中未直接提及使命，但行业前景积极，意义感动机满足程度较高。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术

长鑫存储 的其他在招职位

相似职位推荐

Watch Jobs