【蚂蚁星】大模型评测方向-蚂蚁健康（实习）

岗位职责

部门介绍： 评测是大模型能力演进的指南针，尤其在严肃的医疗健康等复杂生活场景中，如何定义、度量并指导大模型的能力跃升，是当前AGI领域最核心的未解难题之一。我们致力于探索行业最前沿的大模型评测技术，打破传统静态评测的局限，构建评测-诊断-对齐的自动化闭环，旨在通过科学的评测体系推动通用/医疗垂域大模型突破能力天花板。在这里，你将直接面对业界最具挑战性的复杂推理与高风险场景，你的研究成果不仅能发表在顶会，更将决定亿级用户产品的智能底座高度。

除了前沿课题研究，你将参与到全链路的医疗AGI能力建设，包括：

1. 数据理解和质量优化体系：构建行业领先的数据解析和理解能力，不断提升数据处理的深度和理解广度。
2. 模型自我迭代闭环：基于大量的线上问题和医院内真实数据，规模化挖掘模型的难负样本，找到模型的提升空间，建设数据的自我迭代反馈闭环。
3. 医疗数据合成：设计并落地针对各个能力的大模型的医疗数据合成，生成高质量、可控、多样化的训练样本（包括病例生成、对话模拟、推理链构造等），降低模型幻觉，提升泛化能力。
4. 实验分析和归因能力：建立医疗数据的质量评估标准与自动化分析和归因能力，追溯模型输出的数据来源和推理路径，提升医疗AI的可解释性和可信度。

任职要求

1. 学术背景：计算机科学、人工智能、统计学、数学等相关领域的顶尖博士（或具备同等科研能力的极优硕士），具备极强的代码落地能力（熟练使用Python及PyTorch等框架）；
2. 大模型底座认知：深刻理解LLM/Transformer底层架构及后训练范式（SFT, RLHF, DPO, PPO等），对当前业界主流模型（GPT-4, Llama3等）的能力边界与缺陷有深入洞察；
3. 顶尖学术成果：在国际顶级AI会议或期刊（如ICLR, NeurIPS, ICML, ACL, EMNLP等）一作或共一；
4. 敏锐的研究嗅觉：对AI前沿技术充满狂热的好奇心，能深刻理解大模型评测、Agent架构、RAG体系的典型失败模式，并能独立提出创新性的解决方案；
5. 复杂问题解决能力：具备极强的逻辑拆解与数学功底，能建立严谨的统计推断与实验规范（置信区间、显著性检验、多重比较等），确保结论的可信与可解释性。

加分项：

1. 开源与竞赛影响力：作为核心贡献者参与过知名开源评测框架/数据集（如HELM, OpenCompass, MMLU, CL-Bench等），或在Kaggle等顶级算法竞赛中获得TOP名次；
2. 实战经验：有大厂大模型训练/后训练/对齐方向的实习经验；或具备Reward Model训练与偏好对齐的成功实践；
3. 跨学科背景：具备医疗健康、生物信息学相关背景，或对高合规/高安全性AI系统的评测与对齐有研究经验者优先。

特色标签

AI可解释性、AI幻觉、AI模型评测、LLM评测、Python、临床AI、事实性错误、人工通用智能、人类反馈强化学习、偏好学习、偏好对齐优化、健康AI、全参数微调、医疗、医疗AI、医疗数据合成、参加算法相关竞赛/获奖、发表算法相关优秀论文、可信AI、可追溯性、合成数据生成、基于人类反馈的强化学习、大模型幻觉、大模型算法、大语言模型评测、对抗样本生成、强化学习、数据挖掘、智能医疗、有监督微调、机器学习、检索增强回答、检索增强大模型、检索增强生成、模型可解释性、模型能力评估、深度学习、监督微调、直接偏好优化、算法工程化经验、自然语言处理算法、虚构输出、通用人工智能、通用智能、高质量数据生成