岗位职责
研究领域： 大数据 项目简介： 在医疗大模型由通用预训练向临床可用阶段跃迁的过程中，后训练阶段对高专业密度、可追溯的临床—知识对齐数据提出了更为严苛的要求。当前公开医学语料普遍存在三方面结构性缺陷：一是事实性医学错误潜伏率高，二是知识更新滞后于临床实践演进节奏，三是与真实电子病历、权威诊疗指南及结构化药品说明书之间缺乏细粒度、高精度的语义对齐。这些缺陷直接削弱模型对复杂临床场景的理解保真度，诱发事实性幻觉，显著降低其在真实诊疗流程中的可用性与安全性。 针对上述问题，本研究提出并实现一套面向后训练的医学知识密度引擎。该引擎以权威临床指南、去标识化真实电子病历、多模态影像与病理报告为原始知识源，构建跨模态、跨层级的知识汇聚底座。在此基础上，引入医学知识图谱、专家规则体系与大语言模型三重校验机制：知识图谱负责结构化医学概念与关系的可解释映射，专家规则对诊疗逻辑、禁忌与剂量约束进行硬性把关，LLM则承担上下文一致性推理与语义补全。三者协同作用，自动生成兼具高知识密度与完整循证链路的监督微调（SFT）样本与强化学习（RL）反馈数据，显著提升训练样本在病理机制、诊疗依据与用药合理性上的可追溯性。 为进一步提升生成数据的临床事实一致性，本研究创新性引入临床事实掩码验证机制。该机制在数据构造阶段对关键医学实体、诊疗决策节点与药理关系进行可控遮蔽，并观测模型在不同掩码条件下的输出分布偏移程度。通过量化分布熵变与事实回填准确率，系统化识别并过滤潜在幻觉样本，实现对“模型是否真正理解而非模仿医学事实”的可验证判别。实验结果表明，经该机制筛选后的训练数据在医学事实一致性评估中达到97%以上，在外部临床知识测试集与模拟诊疗任务中显著降低幻觉发生率，提升决策稳健性与跨科室泛化能力。 本研究通过知识密度引擎与事实掩码验证的联合设计，为医疗大模型后训练提供了一条可验证、可追溯、可扩展的高质量数据构建路径，为临床级医学大模型的安全落地奠定了数据与方法论基础。
职位要求
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
