岗位职责

负责为每个用户构建持续演化的个人健康世界模型，探索参数化记忆与外部记忆的混合架构、离线记忆巩固、主动遗忘与冲突消解，以及 Memory-as-Action（模型自主决定何时写、写什么、何时忘），让记忆可解释、可编辑、可由用户掌控；
负责把对话、可穿戴时序信号（心率、HRV、睡眠、活动）和使用行为统一到多模态序列模型中，预测健康走向、依从性和需求时机，探索反事实推理与个体数字孪生；
负责面向用户长期健康收益的强化学习，研究跨会话信用分配、离线 RL 与在线探索结合、基于用户模拟器的 Self-play、过程奖励与 Rubric 奖励，在医疗安全约束下对抗 Reward Hacking，让模型学会何时主动介入、何时保持安静；
主导主动式健康 Agent 的研发，覆盖减重、慢病管理、睡眠改善等长程任务，具备规划、工具调用、断点恢复和自我反思能力；
构建自我进化闭环：自动挖掘失败、合成数据与训练环境、迭代 Skill 与策略，在医学审核关口下探索递归自我改进；
设计新一代评测范式，覆盖长期记忆一致性、个性化深度、主动服务价值与打扰成本、多次运行稳定性（pass^k）及真实健康结局，并与医学、产品、工程团队一起推动研究落地。

职位要求

计算机、人工智能、数学、统计等相关专业硕士及以上学历，有大模型算法研发经验；
熟悉大模型后训练，在 SFT、DPO、RLHF、PPO、GRPO、RLVR 中至少一项有深入实践，熟悉 PyTorch 和大规模分布式训练；
在 LLM 记忆与个性化、序列与行为建模、强化学习、Agent 系统、时序基础模型中至少一个方向有扎实经验；
有研究品味和动手能力，能提出假设、设计实验、搭建评测，并从坏例中快速定位根因；
对健康场景有好奇心，重视隐私、安全和真实用户价值；
有以下经历者优先：在 NeurIPS、ICML、ICLR、ACL、KDD 等会议发表过相关论文或有高影响力开源项目；研究过长期记忆、持续学习或测试时学习；做过离线 RL、长期收益优化或用户模拟器；有可穿戴时序、因果推断、数字孪生或自我改进系统相关经验。