大模型/智能体研究员(J20778)

优缺点分析

角色解读

• 技术深度路径：成为AI for Science/E领域的技术专家，在大模型与特定行业结合上建立影响力
• 技术广度路径：向AI技术负责人或架构师发展，引领更宏观的AI技术栈在业务中的落地
• 行业结合路径：成长为兼具深厚AI算法能力和深刻行业洞察的复合型人才，参与技术战略规划
• 你将专注于利用AI技术解决半导体行业的具体问题，特别是围绕DRAM数据构建领域专属的大模型
• 你的工作不仅是理论研究，还包括跟踪前沿技术（如AI Agent、存内计算），并将其转化为可落地的技术方案与预研报告
• 你需要将研究成果（如论文复现）工程化，推动其在产品或流程中的应用，并参与制定相关技术标准与规范
• 需要具备扎实的AI/机器学习理论基础，特别是NLP和大模型相关技术，并有顶会论文发表经历作为研究能力的证明
• 需要对半导体，尤其是DRAM存储器的原理和数据有一定理解，或有强烈的意愿快速学习
• 需要较强的独立科研与工程化能力，能够从调研、实验到输出规范文档全流程推进任务

申请策略

• 在简历或求职信中，明确表达你对‘AI赋能半导体’这一交叉方向的浓厚兴趣和认知，而不仅是泛泛地表达对AI的兴趣
• 可以准备一份简短的‘技术愿景’陈述，说明你对如何利用大模型技术解决DRAM领域某个具体问题的初步想法
• 必须突出在NeurIPS、ICML等顶会发表的论文，清晰说明研究问题、方法和贡献
• 详细描述与大模型、AI Agent或AI for Science（如EDA）相关的研究项目或实习经历，强调项目成果与你的具体贡献
• 如有与半导体、电子工程、材料科学等交叉学科背景或项目经验，务必重点呈现，展示你的复合知识结构
• 深入阅读一到两篇关于AI for EDA或AI for Semiconductor的代表性论文，理解当前主流技术路线
• 复习大模型（特别是LLM）和Agent的核心概念、架构与训练方法，准备能清晰阐述的技术问答
• 了解DRAM的基本工作原理、数据特点以及在产业中的关键指标，展示你为理解行业所做的准备

面试指南

• 对于技术深度问题（如论文、技术方案），采用‘背景-问题-方法-结果-影响’的结构进行清晰阐述，突出你的技术贡献和思考深度
• 对于应用想象类问题，可以从‘数据’、‘任务’、‘模型’三个层面展开：说明可用的数据是什么、要解决的具体任务是什么、可能适用的模型架构和技术栈是什么
• 对于开放性问题，展示你的结构化思维和解决问题的主动性，可以结合已知的技术趋势和行业痛点进行有依据的推理
• 请详细介绍你发表在[某顶会]上的那篇论文的研究背景、核心创新点和实验结果
• 你认为大模型技术（如LLM）可以如何具体应用于半导体或EDA领域的某个环节？请举例说明
• 如果让你负责构建一个针对DRAM失效分析的智能体（Agent），你会如何设计它的架构和工作流？
• 你在研究过程中遇到的最大挑战是什么？是如何解决的？
• 你对DRAM存储器有哪些了解？你认为AI可以从哪些角度对其进行优化？