# 大模型研发工程师（芯片设计领域）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 无问芯穹 (Startup)
- Locations: 北京
- Role: Algorithm
- Apply on the official site: https://infinigence.jobs.feishu.cn/infinigence/position/7662331792959260964/detail

## Role description from source

1. 垂直大模型研发落地
专注芯片设计、晶圆流片全流程垂直场景，负责领域大模型、行业专属AI模型的从零训练、微调优化、迭代升级，打造适配半导体产业场景的智能化模型能力，支撑芯片研发全流程提效。
2. 领域数据治理与处理
主导芯片设计、流片场景各类数据的全生命周期处理，涵盖RTL代码、网表文件、时序报告、功耗数据、布局布线数据、晶圆测试数据、良率数据、工艺制程参数等；
完成数据清洗、脱敏、标注、结构化解析、质量校验，搭建标准化、高质量的领域数据集，支撑模型精准训练。
3. 场景化模型能力迭代
针对芯片前端设计、后端实现、仿真验证、时序收敛、功耗优化、IR/EM分析、流片制造、量产测试等细分场景，研发专属模型能力，实现代码智能生成、缺陷智能检测、问题自动定位、参数智能调优、良率预测、工艺风险预判等核心功能。
4. 模型训练与性能优化
负责大模型训练框架搭建、超参调优、分布式训练落地，针对芯片领域数据特性优化模型架构、上下文窗口、特征提取能力；
持续优化模型准确率、推理速度、泛化能力，解决领域数据稀疏、专业度高、场景壁垒强等训练难题。
职位要求
1. 硕士及以上学历，微电子、集成电路等相关专业，2年及以上大模型研发、算法训练落地经验。
2. 熟悉芯片设计/流片核心流程，了解EDA工具、芯片前后端设计、时序功耗分析、晶圆流片、量产测试等基础业务逻辑，能够精准理解领域数据特征与业务痛点。
3. 具备行业垂直数据处理、结构化解析、高质量数据集搭建经验，能够针对半导体专业数据制定专属数据治理方案。
4. 熟练掌握Python，熟悉数据挖掘、特征工程、算法优化，具备独立排查模型训练问题、优化模型效果的能力。
5. 优先加分项
有EDA智能化、芯片设计自动化、半导体行业大模型相关项目落地经验者优先；
熟悉大模型分布式训练、显存优化、推理加速，具备千亿/百亿级模型训练实战经验者优先；
发表过AI+半导体、智能EDA、行业大模型相关论文、专利者优先；
具备微电子、集成电路专业背景，同时掌握大模型算法研发能力的复合型人才优先。

---
opening_id: 1f946b95-43a2-4a9e-a748-136efc61f3c4

`anm openings save --id 1f946b95-43a2-4a9e-a748-136efc61f3c4`