岗位职责
定位：探索下一代模型架构与能力的边界，将通用领域的突破性技术（新型注意力机制、强化学习范式、多模态统一建模等）引入医疗场景，产出具有行业影响力的原创成果。 主要职责 ● 探索下一代模型架构与训练范式，包括但不限于：新型注意力机制与长上下文效率优化、RL/RLHF 等强化学习范式、多模态统一建模、复杂推理思维链等 ● 追踪并复现通用领域的突破性技术，结合医疗数据与场景特点进行适配与创新，形成可度量的能力跃迁 ● 主导从 idea 到技术方案落地的完整闭环：实验设计、大规模训练、效果评估与论文/技术报告发表 ● 与落地团队协作，将前沿成果转化为可用于医疗诊断 Agent 的基础模型底座
职位要求
● 在 LLM/MLLM 架构、训练算法方向有颠覆性原创成果（顶会一作论文、被广泛引用的开源工作或业界知名技术报告） ● 具备大规模分布式训练的工程能力，能独立设计和调试训练策略 ● 年龄与资历不设硬性门槛，看重 AI 底层突破能力与研究品味 加分项 ● 有 MoE、线性注意力、推理时扩展（test-time scaling）等前沿方向的落地经验 ● 开源社区有高影响力的个人项目或框架贡献 ● 对将前沿技术应用于高专业度垂直领域（医疗、法律、科学计算等）有真实兴趣 说明：本岗位不要求医疗背景，只看重 AI 底层突破能力。
