职位描述
唯专唯坚，方能致远。AI 赛道技术框架复杂、项目周期完整，如果只是短期实习，很难真正吃透业务、拿到能沉淀下来的实战成果。我们希望给每位实习生完整的带教培养，让你从头到尾跟进真实项目，因此岗位统一要求可稳定实习 12 个月以上。期待踏实专注、愿意长期深耕的你，和我们一起积累实打实的专业经验。
【岗位职责】
1、大模型全流程落地： 负责大语言模型（LLM）及多模态大模型在科研场景下的全生命周期落地，包括但不限于数据构建、后训练、推理部署及效果评测。
2、场景方案设计： 深入理解数学、物理、化学、生物、电气电子工程等科研领域需求，设计并实现基于LLM的解决方案，解决科研过程中的复杂问题。
3、数据挖掘与建模： 利用机器学习算法（回归、分类、聚类等）对各领域科研数据进行挖掘分析，构建并优化基线模型，为LLM应用提供坚实的数据与算法支撑。
4、数据工程与维护： 独立完成科研数据的清洗、存储与维护工作，熟练使用SQL、Hive等工具进行大数据处理，构建高质量的训练数据集。
5、前沿调研与协作： 跟踪学术界与工业界最新前沿技术，调研相关领域的SOTA（State-of-the-art）方案，并与科研人员紧密协作，推动算法模型在实际项目中的落地与迭代。
【任职要求】
1. 大模型技术能力：
深刻理解Transformer架构，熟悉主流大语言模型（如Llama, Qwen, Deepseek, GLM等）及多模态模型架构。
具备扎实的后训练落地经验，精通SFT（有监督微调）、PEFT（参数高效微调，如LoRA/P-Tuning）及RL（强化学习，如DPO/PPO/GRPO）的技术细节与工程实现。
熟悉大模型推理优化技术及自动化评测体系，能独立搭建从数据处理、多机多卡训练到模型评测的完整闭环流程。
2. 机器学习与数据挖掘：
具备扎实的机器学习理论基础，熟练掌握回归、分类、聚类、关联分析等经典算法。
具备独立完成数据挖掘任务的能力，能够针对特定领域数据特征进行特征工程与基线建模，有Kaggle/天池等竞赛获奖经历者优先。
3. 数据工程能力：
熟练掌握常用数据库及大数据处理工具，包括但不限于 SQL、Redis、Hadoop、Hive、Spark 等。
具备处理大规模科研数据的能力，能够独立完成数据的ETL流程、数据仓库维护及高性能数据读取管道的搭建。
4. 跨学科学习与科研素养：
具备优秀的数理基础（线性代数、概率统计、微积分等），逻辑思维严密。
拥有极强的快速学习能力与好奇心，能够快速理解并掌握数学、物理、化学、生物、电气电子工程等跨学科领域的专业知识。
具备优秀的中英文文献阅读与调研能力，能独立完成相关领域前沿技术方案的调研与复现。
5. 综合素质：
具备优秀的沟通协作能力与项目管理意识，能够作为技术接口人，独立推进项目进度，协调资源并确保项目高质量交付。
编程基础扎实，熟练掌握 Python等编程语言，代码风格良好。
【加分项】
1、在顶会发表过LLM或AI for Science相关论文。
2、有知名开源项目贡献者或维护者经验。
3、具有跨学科背景（如：计算机+物理/生物/化学等双学位或科研经历）。
4、有完整的科研智能化项目（如文献辅助阅读、科学计算预测、实验设计助手等）落地经验。
5、实习时长要求：唯专唯坚，方能致远，期待可以携手实习12个月的你
立即投递
