康龙化成
2026届 -博士-AI研究员-上海
2026届 -博士-AI研究员-上海
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Infra
Large Language Models (Llm)
Multi-Agent Systems
Pytorch
Rag
Reinforcement Learning
临床试验
生物信息学
值不值得投
78综合评分
综合评分 78
前沿AI技术栈、高成长性行业应用、从0到1的平台建设机会，但工作强度与WLB需面试时确认。
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
33K
比人工智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
68 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 120 个在招
职位详情
关于这个职位
该职位是康龙化成旗下AI科技子公司为2026届博士毕业生设立的校园招聘岗位，旨在培养临床研发领域的AI科学家
你将参与构建行业领先的AI平台，核心工作包括行业大模型的研发与优化、智能体平台及数字员工的开发、AI基础设施的建设，以及探索智能体自学习等前沿技术，用AI赋能新药研发全流程
最低要求
届博士毕业生
计算机科学、人工智能、机器学习、数据科学、生物信息学、医学信息学、统计学等相关专业
扎实的机器学习与深度学习理论基础
熟练掌握Python开发
熟悉至少一种深度学习框架：PyTorch、TensorFlow、JAX
具备优秀的算法能力与工程能力
具备良好的沟通与团队协作能力
具备快速学习和解决复杂问题能力
工作职责
一、临床研发行业大模型研发：参与临床研究领域行业大模型的设计、训练与优化
构建临床研发知识库、知识图谱及RAG体系
开发各专业领域AI能力
研究和应用SFT、RLHF、DPO、GRPO等模型优化技术
构建高质量训练数据体系
建立行业模型评测体系和Benchmark
推动行业大模型在真实业务场景中的落地应用
二、业务智能体（Agent）平台研发：参与企业级Agent Platform设计与开发
构建Agent Runtime、Tool Calling、Workflow Engine等核心能力
设计智能体编排框架
开发企业知识访问与推理能力
建设Agent开发、调试和评测平台
优化智能体推理效率、稳定性和成本控制
构建面向企业级应用的Agent治理体系
三、临床研发数字员工开发：围绕临床研发全生命周期，开发面向医学监查、临床运营、数据管理、生物统计、SAS编程、药物警戒、医学写作、临床项目管理等岗位的AI数字员工
主要职责包括：设计智能体工作流
开发领域专属工具链
构建多智能体协作体系
优化任务规划与执行能力
提升业务自动化与智能化水平
四、AI基础设施（AI Infra）建设：参与大模型训练与推理平台建设
建设GPU集群资源管理平台
研发MLOps与LLMOps体系
构建模型部署与服务平台
优化推理性能与资源利用率
参与向量数据库、知识库平台建设
研究分布式训练与推理技术
推动AI工程化与平台化建设
五、智能体自学习与自进化技术研究：研究智能体自主学习、自主优化框架
研究长期记忆体系
构建经验积累与知识演化机制
研究Reflection与Self-Correction、Agent Planning与Reasoning、Tool Learning与Workflow Learning等技术
研究基于业务结果反馈的持续优化机制
研究强化学习驱动的Agent优化体系
构建Agent能力评测与自动优化闭环
探索AI Scientist与Autonomous Agent技术
六、前沿技术探索：持续跟踪和研究Large Language Models（LLM）、Reasoning Models、Agentic AI、Multi-Agent Systems、Reinforcement Learning、AI Scientist、Autonomous Workflow、Knowledge Graph、Retrieval-Augmented Generation（RAG）、Digital Workforce、Generative AI in Life Sciences等方向
优先资格
满足以下一项或多项者优先：
AI方向：大语言模型（LLM）研发经验
Agent或Multi-Agent项目经验
RAG系统开发经验
知识图谱项目经验
强化学习研究经验
AI Infra建设经验
分布式训练经验
开源社区贡献经验
医药行业方向：熟悉临床试验流程
熟悉GCP规范
了解ICH相关指导原则
熟悉CDISC标准（SDTM、ADaM）
熟悉临床数据管理流程
熟悉药物警戒流程
熟悉医学写作流程
具备医疗健康AI项目经验
具有医药、生物、医学交叉背景
AI 洞察
优缺点分析
优点
- 技术方向前沿：直接接触并构建行业大模型、多智能体系统、AI Infra等当前AI领域最热门和核心的技术栈
- 行业应用价值高：将AI技术应用于新药研发这一关乎人类健康的重大领域，工作有强烈的社会价值感和使命感
- 平台级项目机会：有机会从0到1参与行业级AI平台和数字员工体系的构建，成长空间巨大
- 团队与数据资源：与顶尖科学家和临床专家共事，并能接触到海量的真实临床研发数据，这是非常宝贵的学习和研究资源
- 适合计算机科学、人工智能等相关专业的博士毕业生，对将AI技术应用于生命科学领域充满热情，具备扎实的理论基础和工程能力，乐于探索前沿技术并解决复杂实际问题，期望在交叉领域深耕的求职者
缺点 / 挑战
- 技术挑战高：涉及大模型训练、Agent系统设计、分布式计算等多个复杂技术领域，对技术广度和深度要求都很高
- 跨界学习压力：需要快速理解并融入临床研发、药物警戒等专业医药领域的知识和流程，存在一定的学习曲线
- 从0到1的复杂性：参与构建全新的平台和体系，需要面对很多未知问题和工程挑战，对解决问题和抗压能力要求高
角色解读
- 在临床研发AI这一交叉领域深入发展，成为兼具AI技术深度与医药领域知识的复合型专家
- 随着平台建设的深入，可以向技术架构师、AI技术负责人方向发展，负责整体技术路线规划
- 积累行业经验后，可能成为AI for Science领域的科学家，引领技术在更广阔的医疗健康领域的创新应用
- 参与构建面向临床研发全流程的行业大模型与AI智能体平台，从事前沿的算法研究与系统开发
- 将大语言模型、多智能体等AI技术与临床试验、药物警戒等具体医药业务场景深度结合，开发能提升研发效率的数字员工
- 负责AI基础设施的建设与优化，包括训练推理平台、GPU集群管理和MLOps体系建设，保障AI模型的工程化落地
- 探索智能体自学习、自进化等下一代AI核心技术，推动系统持续优化和能力成长
- 扎实的机器学习、深度学习理论基础，熟悉PyTorch/TensorFlow/JAX等主流框架，具备优秀的算法与编程能力
- 至少深入了解大语言模型、Agent、RAG、知识图谱、强化学习等AI技术中的一项或多项，并有相关项目或研究经验
- 出色的工程实践能力，熟悉Linux开发环境，了解Kubernetes、Docker等云原生技术和分布式计算
- （加分项）具备医药、生物信息学或临床研究相关知识，能理解业务需求并与临床专家沟通
申请策略
- 深入研究康龙化成的业务布局和其在AI赋能新药研发方面的公开信息，在面试中展现你对公司战略方向的认同和思考
- 准备一个能清晰阐述你过往最重要AI项目的技术细节、挑战和解决方案的案例，体现你的研究深度和解决问题的能力
- 表达你对“AI + 医疗”交叉领域的热情和长期职业规划，而不仅仅是找一份工作
- 突出博士期间在大语言模型、Agent、强化学习、AI系统等方面的核心研究或项目经历，最好有相关论文发表
- 详细描述参与过的AI工程化项目，如模型训练优化、推理平台搭建、分布式系统开发等，体现工程落地能力
- 如有任何与生物信息、医疗AI或相关交叉学科的项目经验，务必单独强调，这是重要的差异化优势
- 列出熟练掌握的技术栈，特别是PyTorch、Kubernetes、Docker等JD中提到的技术
- 系统复习和强化Agent、Multi-Agent Systems、RAG等领域的最新进展和主流框架（如LangGraph, AutoGen）
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经验问题，突出你的技术决策和贡献
- 对于技术问题，先阐述基本概念和原理，再结合你的实际项目经验或学习进行说明，体现理论与实践结合的能力
- 对于职业动机问题，将个人技术兴趣、成长诉求与公司的业务愿景（AI重塑新药研发）紧密结合，展现长期投入的意愿
- 请介绍你博士期间最主要的研究课题，以及你具体负责了哪些核心工作？
- 你对临床研发领域的大模型或智能体系统有什么理解？你认为最大的挑战是什么？
- 请描述一个你参与过的最复杂的AI系统或工程项目，你在其中遇到了什么技术难题，如何解决的？
- 你熟悉哪些大模型训练或推理的优化技术（如RLHF、vLLM等）？请结合经验谈谈
- 你为什么希望加入我们，从事AI for Drug Discovery这个方向？你对未来职业发展有什么规划？
职位点评
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利
75中等
作为上市公司招聘的博士校招岗位，且职位描述中提到‘有竞争力的薪酬与长期激励计划’，对薪资福利的满足程度较好。
薪资信号市场水准 (25K-40K/月)
福利待遇长期激励计划
成长发展
95较高
职位处于AI与医药交叉的前沿领域，技术挑战高，且有机会从0到1参与行业级平台建设，学习与成长空间极大。
技术前沿前沿/新兴技术
技术栈Large Language Models (LLM)、Agent、Multi-Agent Systems、Reinforcement Learning、Knowledge Graph、RAG、PyTorch、Kubernetes、vLLM、SGLang
成长机会广阔职业发展空间、与顶尖AI科学家和临床专家共事、深度参与行业级AI平台建设、从0到1打造行业大模型与数字员工体系
业务类型profit_center
工作生活
50较低
工作地点在一线城市上海或宁波，通勤和城市生活可能较为便利。但职位描述未明确提及办公模式、弹性工作或工作强度，可能需现场办公且项目压力较大。
工作模式未明确
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
85较高
利用前沿AI技术重塑新药研发流程，直接服务于改善人类健康，具有明确的社会价值和行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号对AI改变生命科学和医疗行业充满热情、推动临床研发从数字化迈向智能化、参与构建下一代临床研发数字员工平台
创新程度开拓性创新（行业首创）
康龙化成 的其他在招职位
相似职位推荐
Watch Jobs