康龙化成
2026届 -博士-AI研究员-宁波
2026届 -博士-AI研究员-宁波
发布于 大约 7 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
Ai Infra
Llm
Multi-Agent
Pytorch
Rag
大模型
强化学习
知识图谱
值不值得投
77综合评分
综合评分 77
前沿AI+生命科学交叉领域，技术挑战大、发展空间广阔，但工作强度与WLB存在不确定性。
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
38K
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
68 个在招
市场机会
选择适中
宁波 · 人工智能 · 15 个在招
职位详情
关于这个职位
这是康龙化成旗下上海机颖智能科技有限公司面向2026届博士生的校园招聘岗位，专注于临床研发领域的行业大模型与智能体平台建设
你将参与从0到1打造Clinical AI平台，涉及大模型训练、Agent平台研发、数字员工开发及AI基础设施等多个前沿方向
工作地点可选上海或宁波，适合对AI+生命科学交叉领域有热情的博士毕业生
最低要求
基本要求
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：
o PyTorch
o TensorFlow
o 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（Clinical Foundation Model）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
开发医学、临床运营、药物警戒、统计分析等专业领域AI能力
研究和应用SFT、RLHF、DPO、GRPO等模型优化技术
构建临床研发领域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（Agent Orchestration）框架
开发企业知识访问与推理能力
建设Agent开发平台、调试平台和评测平台
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，开发面向不同岗位的AI数字员工：
医学监查助手（Medical Monitor Agent）
临床运营助手（Clinical Operations Agent）
数据管理助手（Clinical Data Management Agent）
生物统计助手（Biostatistics Agent）
SAS编程助手（Statistical Programming Agent）
药物警戒助手（Pharmacovigilance Agent）
医学写作助手（Medical Writing Agent）
临床项目管理助手（Project Management Agent）
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
涉及技术方向包括：
Kubernetes
Docker
Ray
vLLM
SGLang
Triton
MCP
Agent Gateway
Model Gateway
五、智能体自学习与自进化技术研究
作为下一代AI平台核心能力，探索具备持续成长能力的智能体系统
研究内容
研究智能体自主学习（Self-Learning）机制
研究智能体自主优化（Self-Improvement）框架
研究长期记忆（Long-term Memory）体系
构建经验积累与知识演化机制
研究Reflection与Self-Correction技术
研究Agent Planning与Reasoning能力
研究Tool Learning与Workflow Learning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
推动数字员工持续成长与能力演化
六、前沿技术探索
持续跟踪和研究以下方向：
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
优先资格
优先条件
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
加分项
在NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI、KDD等国际顶级会议发表论文
熟悉DeepSeek、Qwen、Llama等开源大模型
熟悉LangGraph、AutoGen、CrewAI、MetaGPT、OpenManus等Agent框架
熟悉PPO、DPO、GRPO等强化学习算法
具有Agent Evaluation或Agent Optimization项目经验
具有AI Scientist相关研究经验
获得国家奖学金、优秀博士论文等奖励
发表高水平学术论文或拥有相关专利
AI 洞察
优缺点分析
优点
- 与顶尖AI科学家和临床专家共事，接触真实世界临床研发场景与海量专业数据
- 公司为已上市跨国企业，提供有竞争力的薪酬与长期激励计划，国际化创新团队与开放技术文化
- 岗位涉及方向众多（大模型、Agent、AI Infra等），对综合能力要求高，需要快速学习和适应
- AI+生命科学交叉领域，需要理解临床试验、药物警戒等专业业务流程，存在一定的行业知识门槛
- 适合对AI技术充满热情、具备科研探索精神与工程落地能力、希望在AI+生命科学交叉领域深耕的博士毕业生
缺点 / 挑战
- 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，技术挑战大、成长空间广阔
- 作为前沿技术研究岗位，工作强度可能较高，需要持续跟踪最新技术动态
角色解读
- 从AI研究员起步，可向技术专家或技术负责人方向发展，深度参与行业级AI平台建设
- 有机会成为临床研发AI领域的领军人才，推动AI在生命科学和医疗行业的应用落地
- 可向AI Infra、MLOps等方向深耕，成为大模型工程化与平台化的专家
- 参与临床研发领域行业大模型的设计、训练与优化，构建知识库、知识图谱及RAG体系，开发医学、临床运营等专业领域AI能力
- 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
- 围绕临床研发全生命周期，开发面向不同岗位的AI数字员工，如医学监查助手、临床运营助手、生物统计助手等
- 参与大模型训练与推理平台建设，研发MLOps与LLMOps体系，优化推理性能与资源利用率
- 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PyTorch、TensorFlow或JAX等深度学习框架
- 具备优秀的算法能力与工程能力，熟悉大模型训练、微调（SFT、RLHF、DPO、GRPO）等技术
- 了解Agent、Multi-Agent、RAG、知识图谱、强化学习等前沿AI技术，具备AI Infra建设经验者优先
- 具备良好的沟通与团队协作能力，以及快速学习和解决复杂问题的能力
申请策略
- 深入了解康龙化成及上海机颖智能科技有限公司的业务方向，特别是Clinical AI平台建设进展
- 在面试中展现对AI改变生命科学和医疗行业的热情，以及对创新技术的强烈好奇心
- 重点突出大语言模型（LLM）、Agent、RAG、知识图谱、强化学习等相关项目或研究经验
- 强调扎实的机器学习与深度学习理论基础，以及Python开发和深度学习框架（PyTorch、TensorFlow等）的使用经验
- 如有顶级会议论文（NeurIPS、ICML、ICLR等）、开源社区贡献或相关专利，务必突出展示
- 如有医药、生物、医学交叉背景或临床试验相关经验，应重点说明
- 提前熟悉LangGraph、AutoGen、CrewAI、MetaGPT等Agent框架，以及PPO、DPO、GRPO等强化学习算法
- 了解DeepSeek、Qwen、Llama等开源大模型，以及Kubernetes、Docker、Ray、vLLM等AI Infra相关技术
面试指南
- 采用STAR法则（情境-任务-行动-结果）回答项目经验类问题，突出个人贡献和技术难点
- 对于技术设计类问题，先阐述整体思路和架构，再深入细节，展现系统化思考能力
- 对于行业应用类问题，结合AI技术趋势和临床研发业务场景，展现交叉领域理解
- 请介绍你在LLM或Agent方向的研究或项目经验，遇到过哪些挑战？
- 如何设计一个面向临床研发场景的RAG系统？
- 谈谈你对RLHF、DPO、GRPO等模型优化技术的理解
- 如何构建一个企业级Agent平台？需要考虑哪些核心能力？
- 你对AI在药物警戒或医学写作等临床研发场景中的应用有何见解？
职位点评
薪资福利70
成长发展95
工作生活50
使命价值90
薪资福利
70中等
JD提及'有竞争力的薪酬与长期激励计划'，但未披露具体薪资数字。作为已上市跨国企业，薪酬水平预计具有竞争力，但具体福利待遇需进一步确认。
薪资信号未披露（AI估算：30K-45K/月）
福利待遇有竞争力的薪酬与长期激励计划
成长发展
95较高
该岗位处于AI+生命科学前沿领域，涉及大模型、Agent、AI Infra等多项前沿技术，提供从0到1打造行业级平台的机会，与顶尖科学家共事，发展空间广阔。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Multi-Agent Systems、RAG、Knowledge Graph、Reinforcement Learning、AI Infra、MLOps、LLMOps、PyTorch、Kubernetes、vLLM
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
业务类型profit_center
工作生活
50较低
JD未提及具体办公模式、工作强度或WLB相关信息，工作地点为上海或宁波可选。作为前沿技术研究岗位，工作节奏和灵活性存在不确定性。
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
90较高
该岗位致力于利用AI重塑新药研发和临床研究流程，推动临床研发从数字化迈向智能化，对生命科学和医疗行业具有显著的社会价值和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号重塑新药研发和临床研究流程、推动临床研发从数字化迈向智能化、对AI改变生命科学和医疗行业充满热情
创新程度开拓性创新（行业首创）
Watch Jobs