岗位职责
- 负责医疗垂直领域大模型的基础研究和工程落地，聚焦大模型的预训练、后训练（SFT、RL）等关键技术；
- 深入挖掘医疗行业的多源异构数据（包括结构化知识、非结构化文本、临床记录等），构建高质量语料库和知识增强机制，支撑大模型在医疗场景下的可控性和泛化性；
- 研究并实现大模型在医疗领域的继续预训练、推理增强、指令对齐、上下文对话等关键技术，提升模型在复杂医疗任务中的性能与稳定性；
- 关注并探索大模型前沿技术，持续跟踪LLM、MoE、Scaling Law、Continual Learning等方向，推动医疗大模型能力的持续迭代与升级。
任职要求
- 熟悉并实操大模型的预训练（Pre-training）、微调（Fine-tuning）、后训练（Post-training）全流程；
- 有丰富的NLP项目经验，熟悉Transformer架构及主流大模型，具备实际部署和优化经验者优先；
- 熟练掌握Python编程语言，熟练使用PyTorch或TensorFlow等深度学习框架，有大规模分布式训练经验者优先；
- 具备医疗行业知识理解能力，熟悉医学术语、诊疗流程、健康管理逻辑，结合医疗业务场景有大模型应用经验者优先；
- 有大模型开源项目贡献经历或医疗领域AI产品开发经验者优先；
- 有ACL、EMNLP、NeurIPS、ICLR等人工智能顶会论文发表者优先。
特色标签
Java、Python、PyTorch、人工智能、人类偏好强化学习、医护办事、医疗、医疗健康、医疗大模型、发表算法相关优秀论文、垂直行业大模型、大模型算法、学术论文、强化学习、强化学习人类反馈、强化学习微调、数字医疗、智能应用、机器学习、机器学习基础、模型加速/性能优化、深度学习、深度学习框架、监督微调、算法工程化经验、编程语言、自然语言处理、自然语言处理算法、行业大模型、语言模型、顶级会议论文