Pharmaron logo
康龙化成
2027届-博士-Al后训练研究员-北京/上海

2027届-博士-Al后训练研究员-北京/上海

发布于 18 分钟前

普通员工/个人贡献者

AI 估算 · 3.0–6.0万 · AI 参考估算
其它
博士
全职员工仅现场办公AI算法
AI算法
Deepspeed
Distributed Training
Llm Post-Training
Pytorch
Rlhf/Dpo
Sft

值不值得投

84综合评分

综合评分 84

前沿LLM后训练技术,巨头平台背书,社会价值高,成长路径清晰,但需适应研发节奏

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较职业起点。

薪资怎么样

4.5万

比AI算法中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 440 个在招

市场机会

选择面较广

北京 · AI算法 · 约 240 个在招

职位详情

关于这个职位

该职位是康龙化成AI研究院面向2027届博士毕业生的校园招聘岗位,专注于生命科学领域的AI大模型后训练(Post-training)

主要职责包括构建领域数据体系、实施SFT/RLHF等后训练全流程、优化分布式训练工程以及建立模型评测体系,旨在提升大模型在真实临床与医疗场景中的可靠性与交付能力

最低要求

专业背景:计算机、人工智能、数学、统计学、电子信息等相关专业

技术栈:熟练使用PyTorch,掌握至少一种分布式训练/RL训练框架(DeepSpeed、Megatron-LM、FSDP、verl等)
实战经验:完整跑通过SFT + 偏好/强化学习的后训练管线(数据→训练→评测),能独立定位训练不稳定与reward hacking类问题
理论基础:理解主流LLM架构(Transformer、MoE、长上下文机制)及推理部署的基本约束(vLLM/SGLang、量化)
数据能力:具备大规模数据工程能力,包括文本清洗、去重、污染检测、数据配比实验

工作职责

领域数据体系建设:构造SFT指令数据、偏好数据(DPO/RLHF)、可验证奖励(RLVR)数据管线

结合医生标注与模型辅助标注进行数据生产
执行大规模去重、污染检测与质量分层
后训练全流程落地与改进:设计领域知识注入(continued pretraining/mid-training)、SFT、DPO/GRPO/PPO等偏好与强化学习方法的多阶段训练配方
权衡LoRA与全参微调
构建医学专科专业模型并沉淀方法论
训练工程与诊断:利用分布式训练框架(DeepSpeed/Megatron-LM/FSDP等)进行训练
定位混合精度与训练稳定性问题(如loss spike、reward hacking、灾难性遗忘)
评测体系:建设面向绑定应用的领域评测集,校准LLM-as-judge与人工评审,打通线上失败案例回流至训练数据的闭环,并对训练指标与应用指标的归因作出判断
协同工作:与Harness、FDE方向协同,判定问题应由训练解决还是工程解决,并对边界负责

优先资格

论文优先:NeurIPS/ICML/ICLR/ACL/EMNLP等主流会议一作论文者优先

相关经验优先:LLM后训练实战(SFT/RL全流程)、大规模分布式训练工程、开源训练框架或后训练项目贡献
推理模型(RLVR/长思维链)训练经验、医疗/生物医学NLP经验加分

AI 洞察

优缺点分析

优点

  • 平台优势:全球CRO龙头企业的AI研究院,资源充足,算力自由
  • 技术前沿:直接接触LLM后训练最前沿技术,且有真实医疗场景落地机会
  • 扁平高效:无产品经理转译层,研究员直接对结果负责,成长曲线完整
  • 专家护航:有顶尖临床和统计专家提供业务逻辑支持
  • 技术难度高:需解决训练不稳定、Reward Hacking等复杂工程与算法问题
  • 适合具备扎实AI理论基础、有顶级会议论文或丰富实战经验的博士毕业生,尤其是希望将AI技术应用于医疗健康领域的研究者

缺点 / 挑战

  • 业务压力大:工作直接面向真实患者和医生,对模型的可靠性和可审计性要求极高
  • 跨界挑战:需同时具备深厚的AI技术功底和对生命科学业务的理解能力

角色解读

  • 纵向晋升:助理研究员 → 首席主任研究员,学术成果与业务结果并重
  • 横向发展:可向AI产品负责人(FDE模式)或更广泛的AI架构师方向发展
  • 行业深耕:成为生命科学+AI交叉领域的专家,推动AI在医疗/CRO行业的实际应用
  • 负责生命科学领域大模型的后训练(Post-training),包括SFT、RLHF/DPO等流程的全链路落地
  • 构建和维护高质量的领域数据体系,进行数据清洗、去重、标注及配比实验
  • 优化分布式训练工程,解决训练稳定性、Reward Hacking等技术难题
  • 建立模型评测体系,打通从线上反馈到训练数据回流的闭环
  • 扎实的深度学习基础,精通PyTorch及主流分布式训练框架(DeepSpeed/Megatron等)
  • 深入理解LLM架构及后训练技术(SFT, DPO, PPO, RLVR等)
  • 具备大规模数据处理与工程化能力
  • 有顶会论文发表记录或相关开源项目贡献者优先

申请策略

  • 准备详细的项目案例,重点阐述如何运用AI解决实际问题及归因分析
  • 关注康龙化成在AI+医疗领域的最新动态和产品,展现对行业的理解
  • 突出LLM后训练全流程实战经验,特别是SFT/RLHF的具体细节和解决的问题
  • 强调分布式训练工程的优化能力和对训练稳定性的把控
  • 展示在大规模数据处理和清洗方面的工程能力
  • 如有顶会论文或相关开源项目贡献,务必重点标注
  • 深入研读最新的大模型后训练论文(如DPO, GRPO, RLVR等)
  • 熟悉并实践主流分布式训练框架(DeepSpeed, Megatron-LM)

面试指南

  • STAR法则:情境-任务-行动-结果,清晰描述项目背景和贡献
  • 技术深度:不仅讲怎么做,更要讲为什么这么做,体现理论深度
  • 问题解决:重点阐述遇到瓶颈时的思考过程和解决方案
  • 业务结合:尝试将技术方案与医疗场景的实际需求联系起来
  • 请详细介绍你参与过的LLM后训练项目,包括数据构建、训练策略及遇到的问题
  • 你是如何处理训练过程中的Reward Hacking或灾难性遗忘问题的?
  • 请对比分析DPO、PPO、GRPO等偏好优化方法的优缺点及适用场景
  • 在大规模分布式训练中,如何保证训练的稳定性并定位Loss Spike问题?

职位点评

薪资福利85
成长发展95
工作生活60
使命价值90

薪资福利

85较高

作为已上市的跨国巨头企业,提供具有竞争力的博士起薪和完善的福利体系,满足补偿性动机。

薪资信号偏高 (3.0千–6.0万/月)

成长发展

95较高

职位提供完整的科学职级序列,接触前沿LLM后训练技术,且有顶尖专家护航,极大促进个人技能成长和职业发展。

技术前沿前沿/新兴技术
技术栈LLM、SFT、RLHF、DPO、DeepSpeed、Megatron-LM、PyTorch
成长机会完整成长曲线、从 Associate Scientist 到 Senior Principal Scientist 的科学职级序列、专家护航、学术成果转化为业务结果同样计入贡献
业务类型profit_center

工作生活

60中等

虽然未明确提及加班情况,但作为研发核心岗位且面对真实战场反馈,可能面临一定的工作压力,WLB中等。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

90较高

职位致力于让AI走进真实患者随访和药物研发,具有显著的社会价值和行业影响力,满足意义感动机。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号让 AI 走进真实患者的随访对话、病历、诊断与风险预测、参与定义 AI 在生命科学中的可能性、让大模型在真实生命科学场景中达到可交付、可审计的可靠性
创新程度积极采用新技术

康龙化成 的其他在招职位

相似职位推荐

Watch Jobs