岗位职责
- 负责千万级医学文献 Citation Graph（引用图）的构建、维护与优化，支撑大规模科学证据网络建设。
- 负责医疗领域 Evidence Evolution（证据演化）、Evidence Chain（证据链）及 Evidence Network（证据网络）相关图算法研发，挖掘医学知识之间的关联关系与演化规律。
- 探索并落地 GraphRAG、Knowledge Graph、Graph Neural Network（GNN）等前沿技术，结合大语言模型（LLM）提升科学证据检索、聚合与推荐能力。
- 参与 Scientific Retrieval（科学检索）算法研发，结合 Citation、Semantic、Graph 等多种召回方式，提升医学文献搜索的准确性、完整性和可解释性。
- 基于离线评测及线上实验数据持续分析 Badcase，优化图算法效果与系统性能，提升大规模图计算的稳定性和效率。
职位要求
- 计算机、人工智能、数学、数据科学等相关专业硕士及以上学历，2 年以上图算法、知识图谱、搜索或 AI 相关工作经验。
- 扎实的数据结构、算法及图论基础，熟练掌握 Python 或 C++，熟悉 PyTorch、TensorFlow 等至少一种深度学习框架。
- 熟悉常见图算法，包括但不限于最短路径、PageRank、社区发现、图遍历、图索引等，具备大规模图计算经验。
- 理解图神经网络（GCN、GraphSAGE、GAT 等）基本原理，熟悉 DGL、PyTorch Geometric 等图学习框架。
- 具备良好的工程能力及科研能力，能够阅读国际顶会论文并完成算法复现与工程落地。 加分项
- 有 Citation Graph、Knowledge Graph、Scientific Retrieval、GraphRAG 等相关项目经验。
- 有大语言模型（LLM）在 Scientific RAG、GraphRAG、Agent 等方向的实际落地经验。
- 有亿级图数据计算、图索引优化或分布式图计算系统开发经验。
- 在 KDD、WWW、SIGIR、AAAI、NeurIPS、ICLR 等国际会议发表相关论文或参与相关科研项目。
