大模型研发工程师（芯片设计领域）

职位描述

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。

任职要求

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。