岗位职责
- 医疗垂域大模型研发：负责医疗垂直领域大模型的训练与优化，涵盖继续预训练、监督微调（SFT）、强化学习对齐（RLHF/DPO）等全链路后训练工作，持续提升模型在复杂医疗任务中的性能与稳定性；
- 医疗数据工程：深入挖掘医疗多源异构数据（结构化EMR、非结构化病历文书、医学影像元数据、临床知识库等），主导高质量语料构建、数据清洗与合成数据生成，建立面向医疗场景的知识增强机制；
- 医疗智能体开发：面向ToB医疗业务场景，设计并落地医疗效率赋能类AI Agent，包括但不限于病历自动生成、病历质控、知识问答等核心应用，负责Agent核心逻辑设计、模型调优及效果验证；
- 前沿技术跟踪与应用：持续关注LLM、MoE、RAG、CoT推理、AI Agent等前沿方向，结合医疗行业特性进行技术预研与创新，推动医疗大模型与智能体能力的持续迭代。
职位要求
- 硕士及以上学历，计算机、软件工程、人工智能、生物医学工程等相关专业；
- 扎实的机器学习与深度学习基础，熟练掌握 Python，精通 PyTorch 框架，具备良好的工程化落地能力；
- 具备大模型训练实战经验，包括预训练、SFT、RLHF/DPO等后训练流程中至少一个环节的完整项目经验；
- 对医疗本体有较深理解，具体包括： （1）熟悉医疗文书逻辑与规范（如入院记录、病程记录、出院小结、手术记录等文书结构与书写要求）； （2）了解医疗影像基础，熟悉 DICOM 协议及医学影像数据处理流程； （3）具备一定的临床医学基础知识，能够理解医疗业务场景需求并转化为算法方案；
- 优先考虑（满足其一即可）： （1）有医疗大模型（如病历生成、医学问答、辅助诊断等）的完整研发或落地经验； （2）参与过医疗 ToB 产品（HIS、EMR、CDSS 等）的 AI 能力建设或系统集成； （3）在大规模数据处理方面有成功实践，特别是合成数据生成、模型蒸馏、高质量数据清洗； （4）有 AI Agent / 知识工程 / 工具调用（Function Calling）相关开发经验； （5）有人工智能顶会（NeurIPS / ACL / EMNLP / MICCAI 等）或医学信息学期刊论文发表经历； （6）熟悉医疗行业数据安全合规要求（如数据脱敏、隐私保护）；
- 我们期望你是这样的人： （1）既懂算法训练，也愿意深入业务场景，能从临床需求出发设计技术方案； （2）对医疗领域有真实的兴趣与积累，而非仅将其作为通用NLP的应用场景； （3）具备较强的自驱力和问题拆解能力，能在需求模糊的阶段快速建立方向感； （4）良好的跨角色沟通能力，能与临床专家、产品经理、工程团队高效协作。
