岗位描述
1.健康风险及生命建模：面向医疗健康相关场景，基于用户的长时序纵向电子健康记录数据，主导生命模型相关核心算法研发； 2.大模型预训练/后训练与优化：针对生命模型相关业务场景，主导大语言模型（LLM）的预训练/后训练全流程优化。运用监督微调（SFT）、思维链（CoT）推理、强化学习（RLHF/DPO/GRPO）等技术，提升模型对复杂医学文本的 理解、临床循证推理及长序列时序特征的捕捉能力； 3.多模态与长时序特征融合：研究并设计面向不规则采样、多模态医疗数据的表征学习与融合算法，解决长程时序依赖与缺失值问题，提升生命模型的精准度与可解释性； 4.高质量数据与评测体系建设：主导生命模型相关数据集的构建，建立贴合真实临床场景的模型评测体系，通过持续迭代优化模型在真实业务中的表现； 5.前沿技术探索与业务赋能：跟踪大模型在医疗时序数据分析、因果推断及不确定性量化等领域的最新进展，将前沿算法转化为可落地的业务解决方案，赋能临床辅助决策等业务场景。