岗位职责
- 前沿训练方法研究： 主导面向领域的预训练、后训练与强化学习等方法研究，应用专业知识与复杂工程场景，设计并迭代模型训练与数据效率优化方案，提升领域模型的专业能力与泛化能力；
- 复杂推理机制研究： 探索知识增强推理、长链推理与因果分析方法，针对跨环节工程问题，推动模型从专业数据与工程经验中提取规律，构建可验证推理体系；
- Agent自主执行研究： 研究任务规划、反思纠错与多Agent协作机制，优化长程规划与执行可靠性，提升模型在复杂任务中的自主决策与反馈学习能力；
- 高效训练与推理优化： 研究模型压缩、推测解码及动态计算等效率提升技术，结合实际业务任务验证训练与推理收益，降低算力成本；
- 技术预研与成果产出： 系统性跟踪大模型、Agent及 for EDA等方向，开展前沿复现与创新实验，形成专利、论文或技术原型，推动研究成果在存储场景落地验证。
职位要求
- 教育背景与专业知识：博士及以上学历，计算机、微电子、统计学、数学等相关专业；
- 专业技能与资格：能使用Python等语言复现SOTA方法，独立完成消融实验与性能分析，具有数学基础，能从实验结果识别方法局限并提出改进方向；
- 行业与专业经验：对半导体行业有明确兴趣，愿意深入理解芯片设计、工艺研发、生产制造与测试验证业务逻辑，具备STEM领域、EDA或制造工艺研究经历者优先；
- 项目/任务成果：在NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI、CVPR、IEDM等相关领域发表过高质量论文，重视研究原创性与实际贡献；
- 其他要求：具有独立研究能力和技术判断力，能从实际问题中抽象研究课题，提出假设、设计实验并形成可验证结论，优先考虑博士毕业三年以内的人才。
