大模型算法工程师 (实习生)

职位职责： - 医学知识库构建与治理： 负责设计并实现大规模、多源异构医学知识（如临床指南、文献、电子病历、教材等）的自动化抽取、对齐、融合与表示学习框架。 构建和维护高质量的医学知识图谱，包括实体识别、关系抽取、属性补全与逻辑校验。 开发知识更新、版本管理与质量评估算法，确保知识库的时效性、一致性与可信度。 - 医学大模型训练与优化： 负责领域大模型的微调与优化，利用医学教科书、文献、指南及高质量的指令数据，进行有监督微调、人类反馈强化学习等技术，提升模型在医学领域的专业性、安全性与合规性。 研发高效的领域自适应、参数高效微调、知识注入等方法，解决医学数据稀少与模型“幻觉”等挑战。 - 医学智能体（Agent）研发： 基于大语言模型与知识库，研发专业级医学检索、医学问答、报告解读等智能体。 设计并实现智能体的规划、工具调用、知识检索增强与链式推理能力，确保其决策过程的准确性、可解释性与安全性。 探索多智能体协作框架，模拟临床会诊、诊疗路径优化等复杂场景。 - 系统优化与落地： 将算法模型产品化，与工程团队协作，打造高性能、可扩展的医学知识服务中台与智能体应用。 持续跟踪学术界与工业界前沿进展（如LLM、RAG、Agent框架、医学AI），并将先进技术转化为团队核心竞争力。 任职要求 - 计算机科学、人工智能、生物医学信息学、数学或相关专业硕士及以上学历。 - 扎实的机器学习/深度学习基础，熟练掌握Python及主流框架（PyTorch/TensorFlow）。 - 具备知识库、智能体或大模型微调经验。 - 优秀的编码能力，熟悉Linux开发环境，具备良好的系统设计和算法优化能力。 对医疗健康行业有浓厚兴趣，有医学自然语言处理项目经验者优先。