Watch Jobs
CXMT logo
长鑫存储
深度学习研究员(J19622)
立即应聘

深度学习研究员(J19622)

发布于 大约 14 小时前

普通员工/个人贡献者

合肥市 / 北京市
初级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
分布式训练
半导体
图像理解
多模态
大语言模型
强化学习
模型推理加速
深度学习
生成算法

AI 估算 · 20k–30k

硕士应届生，半导体行业+前沿AI岗位，合肥/北京/上海薪资有差异，取中位值，14薪

职位详情

关于这个职位

该职位是长鑫存储的深度学习研究员岗位，面向硕士及以上学历的应届生

你将专注于大语言模型、多模态和强化学习等前沿技术在半导体领域的应用，参与从模型预训练到业务落地的全流程，工作地点可选合肥、北京或上海
岗位要求发表过高水平论文或竞赛获奖等高门槛条件，适合有志于将AI与硬科技结合的顶尖人才

最低要求

学历要求：硕士及以上学历，博士优先

专业要求：计算机科学与技术、电子科学与技术、自动化、数学等专业或相关交叉领域专业背景
其他要求（至少满足一项）：1.以主要作者（含第一作者、共同第一作者或通讯作者）身份在NeurIPS、ICML、ICLR、CVPR、ACL、EMNLP等高水平会议或期刊发表过学术成果
在ACM-ICPC世界总决赛、Kaggle Grandmaster、奥林匹克竞赛等公认的顶级竞赛中获得荣誉或奖项
是某个具有重大影响力开源项目（GitHub万星以上）的核心发起者与维护者，且该项目被业界广泛采用
主导或深度参与过大模型在EDA、半导体制造、良率分析等垂直领域的落地项目，并取得可验证的技术或业务成效

工作职责

负责大语言模型的预训练、后训练及分布式训练优化，设计并开发面向芯片设计、制造等环节的大模型智能体（Agent）架构，实现任务规划与工具调用能力

跟踪多模态学习、强化学习等前沿技术方向，开展半导体领域创新研究，推进大模型基础设施（Infra）建设，完成训练与推理加速，软硬协同优化等关键技术落地
运用深度学习与多模态技术（如图像理解、以图搜图、生成算法等），解决芯片设计、制造环节中的缺陷检测、分类识别与精准定位等实际问题，承担模型训练、调优、评估及效果验证全流程工作
推动前沿算法研究成果向业务场景转化，持续提升半导体研发与制造智能化水平

AI 洞察

优缺点分析

优点

  • 接触最前沿的AI技术（LLM、多模态、强化学习）与硬科技半导体场景结合，技术含金量高
  • 长鑫存储是国内存储器芯片龙头，平台资源丰富，项目影响力大
  • 拥有发表高水平论文和开源项目的机会，个人品牌建设佳
  • 多地可选，满足不同城市偏好
  • 入职门槛高，需要顶尖学术或竞赛背景，竞争激烈
  • 半导体领域知识门槛，需额外学习芯片设计制造流程
  • 模型训练和研发周期长，结果不确定性大，需要较强抗压能力
  • 适合具有强学术或竞赛背景、热爱前沿技术、愿意将AI应用于硬科技领域的硕士/博士应届生

缺点 / 挑战

暂无明显挑战项

角色解读

  • 从研究员到资深研究员，主导关键技术方向，成为半导体AI领域专家
  • 横向发展至AI Infra架构师或算法Leader，管理团队
  • 纵向深入芯片设计/制造业务，成为跨领域复合型人才
  • 设计和训练大语言模型，并针对半导体场景开发智能体(Agent)，实现自动化任务规划
  • 研究与优化多模态模型，应用于芯片缺陷检测、分类和定位等实际问题
  • 参与分布式训练和推理加速的Infra建设，提升模型效率
  • 将前沿算法成果转化为业务落地方案，推动半导体智能化
  • 扎实的深度学习理论基础，熟悉Transformer、扩散模型等主流架构
  • 精通Python和至少一种深度学习框架（如PyTorch、TensorFlow）
  • 有大规模模型训练或分布式系统经验，了解GPU集群优化
  • 具备学术研究或竞赛经历，能独立阅读前沿论文并复现

申请策略

  • 认真研究长鑫存储的业务和AI研究院方向，在面试中展示对半导体+AI的理解
  • 准备一个与JD相关的技术方案，例如如何用LLM辅助芯片设计规则检查
  • 突出发表的高水平论文（注明会议/期刊、引用量），或顶级竞赛奖项
  • 详细描述大模型训练、多模态项目经验，最好有量化成果（如精度提升、训练效率）
  • 强调开源项目贡献（GitHub star数、pr数量），尤其是与AI相关项目
  • 如有半导体相关经历（如EDA、良率分析）务必突出
  • 若缺乏半导体背景，可快速学习基本芯片制造流程（如光刻、缺陷类型）
  • 补充分布式训练框架（如DeepSpeed、Megatron-LM）使用经验

面试指南

  • STAR法则：情境、任务、行动、结果，量化技术指标
  • 技术选型比较：说明为什么选择某方法，优缺点对比
  • 问题解决思路：从问题分析、方案设计、实验验证到结论的完整链条
  • 请详细讲解你参与过的一个大模型训练项目，包括数据、模型架构、分布式策略和结果
  • 如何将多模态模型应用于半导体缺陷检测？请给出技术思路
  • 你如何选择在NeurIPS/CVPR等会议上发表的论文？该工作的创新点和影响力是什么？
  • 在分布式训练中遇到过哪些问题？如何解决通信或显存瓶颈？
  • 你对LLM Agent的理解？如何使用工具调用能力辅助芯片设计？

职位点评

72
综合评分

前沿AI+半导体硬科技，成长性极强，但WLB一般。

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行业影响力、愿意接受高强度工作的应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活50
使命价值80

薪资福利

60中等

薪资在行业中上水平，但JD未明确福利待遇，稳定性较高，满足度中等。

薪资信号未披露（AI估算：20K-30K/月）

成长发展

90较高

岗位聚焦前沿AI技术（LLM、多模态、强化学习），并有半导体场景落地机会，成长空间极大。

技术前沿前沿/新兴技术
技术栈大语言模型、多模态、强化学习、分布式训练、模型推理加速、图像理解、生成算法
成长机会创新研究、前沿技术跟踪
业务类型profit_center

工作生活

50较低

仅现场办公，未提及弹性工作或远程，工作强度可能因项目周期较大，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

80较高

半导体行业是国家战略方向，岗位直接提升芯片智能化水平，社会价值和意义感较强。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号提升半导体研发与制造智能化水平
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