岗位职责
*岗位可招募实习生
- 负责医学大语言模型、多模态大模型及医学领域基础模型的架构设计与能力评估，探索适合医疗场景的模型架构、训练目标和数据组织方式。
- 研发能够建模医学知识、人体健康状态变化、疾病演化过程和诊疗路径的医学世界模型，提升模型对医学世界运行规律的理解和预测能力。
- 研究患者状态表示、疾病进展预测、治疗响应建模、临床路径建模和长期健康状态预测等关键算法。
- 探索医学干预建模、因果表示学习、反事实推演和不确定性估计，使模型能够在可信、安全的边界内模拟不同诊疗方案可能带来的状态变化。
- 跟踪大语言模型、多模态大模型、世界模型、状态空间模型、模型式强化学习、神经符号和因果推理等方向的前沿技术，并快速完成算法验证和原型实现。
任职要求
- 计算机、人工智能、机器学习、数学、统计、生物信息学、医学工程等相关专业，硕士或博士优先。
- 具备扎实的机器学习、深度学习和生成模型基础，熟悉 Transformer、大语言模型、多模态模型或世界模型的基本原理。
- 熟悉大模型架构设计、预训练、领域继续预训练、多模态训练或分布式训练中的一种或多种技术。
- 熟练使用 PyTorch 等深度学习框架，具备良好的模型实现、训练调试、实验分析和工程优化能力。
在以下至少一个方向有较深入的项目经验：
- 大语言模型或多模态大模型的架构设计与预训练；
- 世界模型、状态空间模型、环境动态建模或模型式强化学习；
- 医学文本、影像、病理、组学等多模态表征学习；
- 知识图谱、医学 ontology、神经符号系统或知识增强模型；
- 因果发现、因果表示学习、反事实推理或不确定性建模。
- 具备优秀的论文阅读、问题抽象和快速实践能力，能够将前沿研究转化为可运行、可评测的算法原型。
具备以下经验者优先：
- 在 NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、ACL、Nature 系列、Cell 系列等顶会或顶刊发表过一作论文；
- 有百亿参数以上大模型预训练、继续预训练或训练优化经验；
- 有高质量开源项目核心贡献经验；
- 对“医学通用人工智能”和“医学世界模型”有独立思考和长期技术判断。
特色标签
人才引进、人才招募、医疗、医疗信息化、医疗科技、数字健康、智慧医疗