研究型实习生-医疗循证增强RAG（Evidence-Aware RAG）体系研究

岗位职责

研究领域： 大模型 项目简介： 医疗RAG系统缺乏可验证证据溯源能力，难以确保医学内容的规范性与权威性，PICO结构化问答与证据召回，结合Meta-analysis、指南和系统综述的证据增强生成。本项目具体包括以下几方面的工作： 一、医学文献解析方案研究

1. 适配多源医学文献格式（PDF/HTML/数据库接口等）
2. 提取文献结构与元数据（标题、摘要、作者、研究类型等）
3. 自动抽取医学证据要素（PICO、效应量、统计值、结论等）
4. 建立基础标注集与解析准确率评测体系 二、医学证据图谱构建方案研究
5. 设计证据图谱 Schema（节点、关系、证据等级）
6. 统一医学实体标准（疾病、药物、术语等规范化）
7. 建立文献→Meta→指南的证据链路
8. 设计图谱增量更新与版本管理机制 三、医学证据索引构建策略研究
9. 构建文本结合结构化字段的混合索引
10. 设计文献分段与证据级 Chunk 切分策略
11. 研究医学专用向量模型与嵌入优化
12. 建立索引评测指标（召回率、覆盖率等） 四、医学证据检索策略研究
13. 开发关键词 + 向量 + 图谱的混合检索机制
14. 支持“按证据等级/研究类型”过滤检索
15. 实现问题意图识别与 PICO 查询重写
16. 建立医学证据检索评测体系 五、医学证据重排策略研究
17. 研究“相关性 + 证据等级 + 时效性”融合排序模型
18. 提取可影响排序的证据质量特征（样本量、研究类型等）
19. 引入 LLM/Ranker 模型进行排序优化
20. 提供可解释的证据排序输出

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

C/C++、Golang、Java、PDF信息提取、PICO框架、Python、临床决策支持系统、临床问题结构化、元分析、医学嵌入、医学文献抽取、医学检索增强生成、医学知识图谱、医疗、发表算法相关优秀论文、可验证性、向量与关键词联合搜索、多模态检索、大数据处理经验、大模型算法、大语言模型、嵌入模型、引用可靠性、循证医学等级、推荐强度、搜索算法、摘要生成、数据处理经验、文本生成、智能问诊系统、机器学习建模经验、来源追踪、汇总分析、深度学习模型、熟悉Linux环境、生成式AI、知识图谱、研究要素提取、科研文本处理、系统性综述、结构化医学知识、自然语言处理经验、融合检索、表征学习、计算机相关专业、证据网络、证据质量分级、语义理解