长鑫存储
深度学习(J20779)
深度学习(J20779)
发布于 大约 22 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Huggingface
Pytorch
Tensorflow
大语言模型
深度学习
自然语言处理
计算机视觉
值不值得投
75综合评分
综合评分 75
前沿技术与硬核产业深度结合的高成长性校招研发岗，技术发展机会突出，但工作生活平衡等信息尚不明确。
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
20K
比机器学习工程中位数低
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 1660 个在招 · 其中机器学习工程 14 个
市场机会
选择适中
合肥 · 机器学习工程 · 43 个在招
职位详情
关于这个职位
这是长鑫存储校园招聘的深度学习研发岗位，主要负责半导体领域大语言模型（如预训练、微调等）的核心技术研发
你需要对接芯片设计、制造等业务环节，构建定制化AI解决方案以提升研发效率与良率，并跟踪前沿技术以推动应用落地
最低要求
学历要求：硕士及以上，博士优先
专业要求：计算机、应用数学、信号处理、通信、自动化等相关专业
其他要求：
通过CET-4考试，能使用英语完成技术交流与文档阅读
能使用Python完成算法开发，精通PyTorch、TensorFlow或HuggingFace等主流深度学习框架，熟悉Linux开发环境
具有深度学习与机器学习基础，在计算机视觉、自然语言处理、语音或时序分析中至少一个方向有实践项目经验
了解大语言模型、多模态、AIGC等技术领域的基本原理与最新动态
工作职责
大模型尖端研发：主导公司在半导体领域大模型的预训练模型调优及指令微调等核心技术研发
业务解决方案构建：对接产品设计、验证、制造和测试等业务环节，构建定制化大语言模型解决方案，提升研发效率与良率
前沿技术转化：跟踪大模型领域最新动态，将前沿技术转化为实际应用，推动公司技术边界持续拓展
优先资格
在CVPR、ECCV、NeurIPS或ICML等学术会议或期刊上发表过论文，或在Kaggle、ACM、数学建模等高水平算法竞赛中取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 技术前沿性：直接参与最热门的大模型技术与硬核半导体产业的结合，技术积累价值高
- 业务影响力：AI解决方案直接赋能核心研发与制造流程，工作成果可见、影响深远
- 平台与资源：身处半导体与AI双重热门赛道的头部企业，能接触到大规模数据与复杂业务场景
- 技术深度与融合难度：需要同时理解大模型算法与半导体物理/工艺，跨领域知识壁垒高
- 结果验证周期长：在制造业中，AI方案的效果验证可能需要较长的周期和严格的测试
- 适合对AI技术充满热情、具备扎实工程基础，同时对半导体等硬科技行业有好奇心，乐于解决复杂工程问题的计算机、数学等相关专业的硕士及以上应届生
缺点 / 挑战
- 工程化挑战：将前沿研究转化为稳定、高效的工业级解决方案，对工程能力要求极高
角色解读
- 技术专家路线：深耕大模型与半导体交叉领域，成为AI for Science/工业AI领域的顶尖研发专家
- 技术管理路线：凭借技术深度与业务理解，带领团队负责更复杂的AI平台或解决方案项目
- 行业影响路线：在学术会议发表成果，参与制定行业技术标准，推动AI技术在制造业的革新
- 主导半导体领域大语言模型的核心算法研发，包括预训练、指令微调等关键技术
- 深入理解芯片设计、制造等业务流程，将AI技术与之结合，开发定制化解决方案以优化效率和良率
- 保持对AIGC、多模态等前沿技术的敏感度，推动其在实际工业场景中的落地应用
- 扎实的深度学习与机器学习理论基础，精通至少一个主流框架（PyTorch/TensorFlow/HuggingFace）
- 熟练的Python工程能力与Linux开发环境使用经验
- 在计算机视觉、自然语言处理或相关领域有实际项目经验
- 具备良好的英语读写能力，能够进行技术文献阅读与交流
申请策略
- 研究长鑫存储在存储芯片领域的技术路线和产品，思考AI技术可能赋能的具体环节
- 在面试中展现出对‘AI解决实际工业问题’的深刻理解和热情，而不仅仅是调参
- 重点突出在CV、NLP等方向的深度学习项目经历，尤其是模型训练、调优的细节与成果
- 突出使用PyTorch/TensorFlow等框架的熟练度，以及Linux环境下的开发经验
- 如有Kaggle、学术竞赛获奖或高质量论文，应在简历显著位置展示
- 可以深入学习大语言模型（如Transformer架构、主流开源大模型）的原理与微调技术
- 了解半导体制造的基本流程或EDA相关知识，展现跨学科学习的主动性
面试指南
- 使用STAR法则（情境、任务、行动、结果）清晰阐述项目经历，突出个人贡献与技术深度
- 对于技术问题，结合理论理解与实践经验回答，可以提及论文中的方法或开源社区的最佳实践
- 对于业务结合类问题，展现你对问题的拆解能力，可以从数据、模型、部署、评估等环节展开思考
- 职业规划要体现长期思考，将个人技术成长与公司/行业的发展方向相结合
- 请介绍一个你做过的深度学习项目，重点描述你遇到的技术挑战以及是如何解决的
- 你对大语言模型（如GPT、LLaMA）的微调方法有哪些了解？
- 如果让你用大模型技术解决芯片设计或测试中的某个问题，你会从哪些方面入手？
- 你未来的职业规划是什么？为什么选择AI与半导体的交叉领域？
职位点评
薪资福利65
成长发展95
工作生活50
使命价值85
薪资福利
65中等
作为校园招聘岗位，薪资福利信息未在JD中明确披露，需在后续环节确认。公司规模较大，通常提供有竞争力的校招薪酬包。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
95较高
该职位在技术成长性上极具吸引力。工作内容涉及最前沿的大模型技术与硬核半导体产业的深度融合，能接触大规模真实工业场景，并有机会进行技术转化，对技能提升和职业发展帮助巨大。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、HuggingFace、大语言模型、多模态、AIGC、计算机视觉、自然语言处理
成长机会主导...核心技术研发、推动公司技术边界持续拓展
业务类型ambiguous
工作生活
50较低
工作地点为合肥或上海，属于主要城市。但JD未明确提及办公模式（远程/混合）、工作时长等WLB相关信息，工作生活的平衡情况未知。
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
85较高
将尖端AI技术应用于解决半导体制造业的实际问题，推动技术边界，具有明确的产业价值和使命感。半导体是国家重点发展的战略性行业，社会影响力较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动公司技术边界持续拓展
创新程度积极采用新技术
Watch Jobs