算法研究员岗位职责

构建计算、存储、云系统、光电、终端、网络等集群/单机/芯片系统的建模仿真能力，或基于仿真平台对系统进行性能优化和架构设计，包括性能、可靠性、可用性、功耗仿真等技术，为公司建模仿真领域提供竞争力。
任职要求：
1、人工智能、计算机、软件、自动化、物理、数学、自动化、电子、微电子、信息技术等相关领域专业方向博士学历；
2、具备扎实的数理基础，有建模仿真理论研究或仿真器开发经验者优先；
3、熟悉Python/R/Matlab/C/C++等任一编程语言；
4、具备较强的团队协作能力、沟通能力和解决问题的能力。
多个工作地可选

【岗位职责】
1. 核心研发： 负责多模态大模型的核心研发，面向医疗场景（医学影像/临床文本/结构化数据等）构建可用、可靠的多模态理解与生成能力。
2. 底层机制研发： 围绕医疗场景的关键痛点做底层机制级研发：从表征学习、跨模态对齐、注意力与信息路由、训练目标与优化稳定性等模型底层出发，提出并验证新方法/新模块/新训练范式，而不是照搬现有通用 VLM。
3. 医学影像攻坚： 针对医学影像在 VLM 中的典型难点进行系统性攻关
4. 训练与对齐流程： 设计并落地高质量训练与对齐流程：多阶段训练（预训练/对齐/指令微调等）、数据混配与采样策略、损失函数与约束设计、训练稳定性与可复现训练管线建设。
5. 临床评测体系： 搭建面向临床可靠性的评测体系：多模态能力分解评测（定位、属性、推理、报告一致性）、泛化评测（外部验证/OOD）、安全性评测（幻觉、误导性回答、置信度/不确定性表达）。
6. 业务协同： 与产品/医学专家/数据团队协作，将研究目标映射到真实业务任务（如报告辅助、质控、分诊、随访、结构化抽取等），推动从研究验证到应用验证的闭环。

【任职要求】
1. 硕士及以上学历（计算机/人工智能/数学相关方向）。
2. 丰富的 VLM 研发经验： 深度参与过至少一个 VLM/多模态大模型的完整训练与迭代（架构、对齐、训练策略、评测）；能够独立完成从问题定义→方案设计→实验验证→迭代收敛的闭环。
3. 扎实的理论与工程能力： 熟练 PyTorch，理解 Transformer/注意力机制、对比学习与对齐学习、生成式建模、优化与泛化。
4. *性原理思维： 能够从底层分析并解释 VLM 在医疗场景失效的根因（信息瓶颈、对齐噪声、数据偏差等），并提出机制级改造方案。
5. 严谨的实验习惯： 能设计有效对照与消融、识别数据泄漏与评测偏差；具备良好的论文复现与阅读能力。
6. 良好的沟通协作能力。（加分项）：顶会/期刊论文发表；有多模态安全、幻觉抑制等方向研究积累。

职责描述：
1.探索研究大语言模型在数字医疗领域的创新应用场景，包括但不限于智能问诊、病历摘要、医学文献分析、辅助诊断、患者教育等；
2.评估LLM在医疗任务中的能力，结合领域知识进行微调、提示工程、RAG等策略优化；
3.探索语言模型与结构化数据（如电子病历）、图像、医学指标等多模态数据结合的技术路径；
4.与产品及工程团队合作，构建可验证的技术原型或MVP，推动从想法到产品的落地；
5.确保研发过程符合医疗行业的数据安全、隐私保护、伦理合规等要求；
6.负责论文上述相关内容的撰写或其相关过程中的学术及技术支持；
7.负责与业务相关部门进行研究或技术层面的对接并提供相关支持；
8.参与产品化设计技术规划与规格设计。
任职要求：
1.博士学历，计算机、人工智能、生物医学工程或相关专业。
2.扎实的大语言模型相关技术背景，熟悉Transformer、微调、RAG、Chain-of-Thought等核心技术。
3.熟练使用主流LLM平台和框架，如 Hugging Face Transformers、LangChain、LlamaIndex、OpenAI API 等。
4.具备数字医疗背景、或对医疗行业有浓厚兴趣，能理解基础医学术语和场景需求。
5.优秀的问题解决能力、好奇心和跨团队沟通能力。
6.熟悉/了解常用的机器学习、深度学习算法。熟悉Python或matlab编程；
7.强结果导向，高压下能达成目标；
8.具备较强的学习能力、创新能力、科学家精神、投入坚持不妥协。