【Plan A】医学世界模型-蚂蚁健康-27届

岗位职责

1. 负责医学诊疗世界模型的算法研发和技术路线设计，面向复杂医疗场景，建设能够理解患者状态、预测病程演化并推演诊疗行动后果的医学世界模型；
2. 组织多模态纵向医疗数据，形成统一的“患者状态—诊疗行动—临床反馈”数据体系，构建医疗世界模型和诊疗Agent的训练和评测体系，支撑算法快速迭代；
3. 与临床、数据、产品和工程团队协作，从真实医疗问题中定义有价值的研究任务，推动算法成果在临床决策支持和患者管理等场景中落地。

任职要求

1. 计算机、人工智能、生物医学工程、医学信息学、统计学等相关专业硕士及以上学历；
2. 对实现AGI并解决人类健康问题抱有热情和决心；
3. 在以下一个或多个方向有深入研究，具备数据构建、模型训练和评测经验：大模型预训练与后训练、多模态基础模型、Long-horizon Agent、Agentic RL、Reward Modeling、世界模型；
4. 具备优秀的研究能力、技术判断力和工程能力，能够从复杂、开放的医学场景中识别关键科学问题，进行系统分析，提出创新方法，并设计实验推动模型能力取得实质性进展；
5. 具有医疗 AI、电子病历、多模态临床数据、医疗 Agent 或大模型训练经验，或有AI/医学领域顶刊顶会论文、重要开源项目及临床 AI 落地成果者优先。

特色标签

Agent驱动RL、EMR、ETL设计/开发经验、Hive、Python、Shell、Spark、SQL、临床决策智能体、云原生、云计算、偏好建模、分布式系统开发经验、分布式训练、医学诊疗世界模型、医疗、医疗世界模型、医疗世界模拟器、医疗智能体、发表算法相关优秀论文、基于Agent的强化学习、多模态基座模型、多模态大模型、多模态时序医疗数据、多模态算法、大数据、大数据处理工具(Spark/Hadoop/Hive)、大数据处理经验、大数据开发经验、大模型算法、大模型训练与后优化、大模型预训练+微调、大模型预训练与精调、奖励建模、奖励模型设计、强化学习、患者状态-治疗-结局链条、数学/统计相关专业、数据分析/挖掘经验、数据处理经验、数据挖掘、智能体、智能体强化学习、有留学背景、机器学习、机器学习建模经验、深度学习、熟悉Linux环境、状态-干预-反馈闭环、电子医疗记录、电子病历系统、病程-诊疗-预后数据链、纵向多模态临床数据、自然语言处理算法、自然语言处理经验、英美留学生、计算机相关专业、诊疗行动智能体、跨模态基础模型、跨模态时序医疗信息、长周期决策Agent、长时程智能体、长期规划智能体