返回所有岗位
实习深圳每周至少出勤3-4天，连续实习3个月以上

AI for Science 基础模型算法实习生

实习基础模型DiffusionGNN/LLM

岗位职责

  • 模型训练与微调（核心）：参与大分子生成与结构预测相关深度学习模型的训练、微调（Fine-tuning）与优化。
  • 算法架构探索：探索扩散模型（Diffusion）、图神经网络（GNN）或大语言模型（LLM）在蛋白质从头设计（De novo design）中的创新应用。
  • 性能优化：针对 3D 分子数据特性，优化模型结构与训练策略，提升模型在生成多样性及物理化学合理性上的表现。
  • 前沿研究：参与撰写核心算法专利，或将研究成果整理并投稿至顶级AI学术会议。

任职要求

  • 专业背景：计算机科学、人工智能、应用数学等相关专业在读硕士或博士研究生。
  • 专业技能：熟练掌握 PyTorch 深度学习框架，对底层张量计算、自动求导机制有深入理解，有实际的复杂模型训练经验。
  • 理论基础：深入理解生成式AI（Generative AI）背后的数学原理，熟悉 Transformer、Diffusion、GNN 等主流架构。
  • 综合素养：对生命科学和 AI for Science 有浓厚兴趣，具备较强的数理逻辑与创新思维。

加分项

  • 对 3D 分子数据处理（如坐标变换、图构建、SE(3) 等变网络）有深入研究经验者优先。
  • 在顶会（NeurIPS, ICLR, ICML 等）或生物信息学期刊有论文发表，或在 Kaggle 等算法竞赛中获奖者优先。
  • 具备百亿/千亿级参数大模型预训练、微调或对齐（RLHF/DPO）实际项目经验者优先。