长鑫存储
大模型/智能体研究员-LLMAgent Researcher (J21531)
大模型/智能体研究员-LLMAgent Researcher (J21531)
发布于 1 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
大模型
学术论文
强化学习
推理优化
智能体(Agent)
模型压缩
值不值得投
83综合评分
综合评分 83
前沿AI技术攻关、产业落地价值高、薪酬稳定，WLB信息未明确
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
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 1940 个在招 · 其中人工智能 23 个
市场机会
选择面较广
合肥 · 人工智能 · 71 个在招
职位详情
关于这个职位
负责大模型与智能体（Agent）前沿算法研究，涵盖预训练/后训练优化、复杂推理机制探索及多Agent协作等核心方向
需结合半导体存储业务场景进行技术落地验证，输出高质量论文或专利，推动AI技术在芯片设计与制造环节的实际应用
最低要求
教育背景与专业知识：博士及以上学历，计算机、微电子、统计学、数学等相关专业
专业技能与资格：能使用Python等语言复现SOTA方法，独立完成消融实验与性能分析，具有数学基础，能从实验结果识别方法局限并提出改进方向
行业与专业经验：对半导体行业有明确兴趣，愿意深入理解芯片设计、工艺研发、生产制造与测试验证业务逻辑，具备STEM领域、EDA或制造工艺研究经历者优先
项目/任务成果：在NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI、CVPR、IEDM等相关领域发表过高质量论文，重视研究原创性与实际贡献
其他要求：具有独立研究能力和技术判断力，能从实际问题中抽象研究课题，提出假设、设计实验并形成可验证结论，优先考虑博士毕业三年以内的人才
工作职责
前沿训练方法研究： 主导面向领域的预训练、后训练与强化学习等方法研究，应用专业知识与复杂工程场景，设计并迭代模型训练与数据效率优化方案，提升领域模型的专业能力与泛化能力
复杂推理机制研究： 探索知识增强推理、长链推理与因果分析方法，针对跨环节工程问题，推动模型从专业数据与工程经验中提取规律，构建可验证推理体系
Agent自主执行研究： 研究任务规划、反思纠错与多Agent协作机制，优化长程规划与执行可靠性，提升模型在复杂任务中的自主决策与反馈学习能力
高效训练与推理优化： 研究模型压缩、推测解码及动态计算等效率提升技术，结合实际业务任务验证训练与推理收益，降低算力成本
技术预研与成果产出： 系统性跟踪大模型、Agent及 for EDA等方向，开展前沿复现与创新实验，形成专利、论文或技术原型，推动研究成果在存储场景落地验证
AI 洞察
优缺点分析
优点
- 背靠国内存储芯片龙头，拥有海量真实工业数据与算力资源支持
- 聚焦大模型与Agent前沿方向，技术壁垒高，个人学术影响力易积累
- 契合国产替代战略，长期职业稳定性强
- 工业场景数据清洗与对齐难度大，算法落地周期长且容错率低
- 需同时兼顾学术创新与工程实效，对跨学科知识储备要求极高
- 适合追求技术深度、具备扎实科研功底且希望将AI技术应用于硬科技产业的博士毕业生或青年研究员
缺点 / 挑战
- 博士初期面临较高的论文产出与项目交付双重压力
角色解读
- 纵向深耕可成为AI算法首席科学家或领域技术专家
- 横向拓展可转向AI for Science/EDA交叉领域负责人
- 在半导体国产化浪潮下，具备产业落地能力的顶尖AI研究员将享有极高的行业话语权与晋升空间
- 聚焦大模型与智能体（Agent）核心算法的前沿研究，包括预训练/后训练优化、复杂推理机制探索及多Agent协作等
- 结合半导体存储业务场景进行技术落地验证，完成模型压缩与推理加速以提升效率
- 定期输出高水平学术论文、专利或技术原型
- 扎实的数学与编程基础，熟练使用Python复现SOTA算法并完成消融实验
- 精通大模型训练框架、强化学习及推理优化技术
- 具备独立科研能力，熟悉顶会论文写作与专利申报流程
- 了解半导体/EDA业务逻辑者优先
申请策略
- 提前调研长鑫存储的业务布局与技术栈，面试时重点阐述如何将AI研究与存储芯片设计/制造痛点结合
- 关注公司对产学研转化的考核导向，准备体现“学术价值+工业落地”双轮驱动的案例
- 突出顶会论文发表记录、开源项目贡献或SOTA代码实现能力
- 详细展示在大模型训练、推理加速或Agent架构方面的具体实验设计与量化成果
- 强调跨学科背景（如AI+半导体/EDA）的项目经验
- 深入掌握主流大模型训练框架（如DeepSpeed, Megatron）及推理加速工具
- 补充半导体制造流程或EDA软件基础认知，提升业务理解力
- 加强工程化部署能力（如CUDA优化、模型量化）
面试指南
- 采用STAR法则结构化阐述科研项目背景、难点突破、实验对比与最终收益
- 回答技术问题时先界定边界条件，再给出理论依据与工程权衡，最后补充可落地的验证方案
- 针对开放性问题，展示从学术假设到工业约束的转化思维，强调可解释性与鲁棒性设计
- 请详细介绍一篇你发表的顶会论文的核心创新点与实验设计
- 面对工业场景缺乏标注数据的情况，你会如何设计预训练或微调策略？
- 如何评估和优化一个Agent在复杂任务中的自主决策可靠性？
- 系统复习大模型训练范式（Pre-train/Align/RLHF）与最新Agent架构进展
- 梳理个人核心项目的技术细节与失败复盘，准备应对深度追问
职位点评
薪资福利85
成长发展92
工作生活65
使命价值88
薪资福利
85较高
博士级别AI研究员岗位薪资处于市场中上水平，头部半导体企业能提供稳定的薪酬发放与完善的福利保障，满足补偿性动机。
薪资信号市场水准 (4.0千–7.0万/月)
成长发展
92较高
岗位聚焦大模型与智能体最前沿方向，提供充足的算力与真实工业数据支撑，学术产出要求明确，技术成长路径清晰。
技术前沿前沿/新兴技术
技术栈大模型、智能体(Agent)、强化学习、SOTA复现、模型压缩、推理优化
业务类型profit_center
工作生活
65中等
未明确提及弹性工作制或加班政策，但研究型岗位通常需跟进前沿进度，可能存在一定的工作强度波动。
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
88较高
致力于将AI技术赋能半导体存储产业，助力国产芯片研发与制造升级，具有显著的行业战略价值与社会意义。
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）
长鑫存储 的其他在招职位
相似职位推荐
Watch Jobs