岗位职责
1、主导医疗场景下的大语言模型系统研发：基于 GPT/LLaMA/Qwen/GLM 等体系，构建高可靠、可扩展的医疗智能体与应用框架，解决长文本推理、医学术语理解、对话稳定性等核心难题。
2、模型微调与 Prompt 优化攻坚：根据真实医疗业务需求，执行 LLM 微调（SFT、LoRA）、Prompt Engineering、Prompt Tuning，并将模型能力对齐医学知识体系，显著提升临床问诊、诊断推理、病历结构化等任务表现。
高性能 RAG 与知识图谱融合研发：攻关领域级 RAG 检索性能、知识可信度、医学实体对齐等关键技术；构建医学知识图谱并实现与大模型的深度融合。
3、外部数据与 LLM 的工程化集成：构建稳定高效的医疗数据接口（病历、影像、指南、结构化 EMR 等），打造可集成医院/系统的 LLM 交互中台。
4、多模态医疗 AI 技术突破：探索跨模态（文本/影像/语音）对齐、医学影像解析、多模态检索、Agent 多步骤推理，实现复杂临床业务的智能化闭环。
5、医学知识库建设与持续更新：与临床专家协作，迭代医学知识库、质控规则库和推理链算法，提升系统在真实世界场景中的可靠性。
6、新技术调研与工程落地验证：持续跟踪最新 LLM/MoE/RAG/Agentic/多模态领域的前沿技术，完成从方案验证到工程落地的完整闭环。
7、高质量工程体系建设：产出工程级高质量代码、架构文档与技术规范，推动大模型医疗系统整体的可维护性与工程化能力。

岗位要求
1、学历背景：数学、电子信息、计算机科学、人工智能等相关专业硕士及以上学历；对模型原理、分布式训练、NLP 方向有扎实基础。
2、技术深度：对深度学习、NLP、Transformer 架构、大语言模型有深入理解，能独立解决模型推理、微调过程中遇到的工程与理论问题。
3、LLM 工程与框架经验：熟练使用至少一种主流框架（PyTorch、Transformers、LLaMA、vLLM、LangChain、SGLang 等），具备在真实项目中落地 LLM/RAG 的经验。
4、RAG/知识图谱攻坚经验：精通向量检索、本体构建、知识抽取、知识图谱融合，有优化医学场景 RAG 命中率、精准度的成功案例者优先。
5、医疗 AI 项目经验优先：熟悉临床医学术语体系、诊疗指南、病历数据结构，对病史采集、医学推理、诊断流程有基本理解；有医疗类 AI 产品经验更佳。
6、解决复杂问题的能力：具备强悍的攻坚能力，能在高复杂度、高不确定性的环境下快速定位问题和设计有效的工程方案。
7、沟通协作与跨团队能力：可以与算法、工程、医学专家紧密协作，推动多角色共同交付高质量产品。
8、英文能力：具备优秀的英文文献阅读能力，可快速吸收前沿研究与工程方案。
9、实习生要求：优秀者接受实习（3 个月以上），需具备扎实算法基础和较强的自驱力。