一、岗位职责： 1.大模型训练与应用研发：负责医疗健康领域大模型全流程训练与优化，搭建高效可扩展的训练与评估流程，保障模型性能与效果；基于医疗业务场景，设计并实现大模型应用架构，深度应用Prompt工程、RAG、Agent等技术，构建面向医生或患者的交互应用，提升用户交互体验与服务准确性。 2.模型工程化与部署优化：推动医疗健康大模型在产品的工程化落地，负责大模型的轻量化、量化、推理加速，解决云端/边缘端的部署问题，优化部署方案，保障服务的低延迟、高并发与系统稳定性。 3.医疗数据治理与语料库构建：负责医疗健康领域训练数据的采集、清洗、标注等工作，构建高质量医学语料库并建立完善的数据治理体系；搭建自动化、规模化的医疗数据采集、清洗、标注和版本管理管道，确保全流程符合数据合规要求及医疗数据安全规范。 4.向量数据库与检索系统开发：搭建和维护高质量的医疗知识向量数据库，优化检索算法，提升RAG系统的准确性与效率。 5.系统监控与性能保障：建立模型服务的监控、告警和迭代机制，保障线上系统的稳定性和可控性；跟踪前沿技术进展，结合业务需求提出创新方案。 6.跨团队协作落地：紧密对接产品、后端、前端、测试团队，协同跨团队推进项目落地与产品体验迭代优化，具备较强的项目推动能力。

1、研究生及以上学历 2、计算机科学、人工智能、医学信息学、生物医学工程、统计学等相关专业 3、具备医疗AI产品法规认证（如NMPA、FDA 510(k)/CE）相关技术文档撰写经验者优先。 4、所需经验 1）2年以上AI领域研发经验； 2）至少1年医疗健康领域大模型训练或应用落地经验，具备完整的大模型训练与部署实战经历； 3）有高并发AI服务或大规模数据处理管道的构建经验者优先； 4）有医疗IT系统集成经验、医疗产品相关项目经验、大规模AI产品落地经验者优先； 5）技术能力突出者可适当放宽工作年限要求。 5、所需知识 1）精通Transformer架构，熟悉主流开源大模型（如Qwen、LLaMA、BioGPT等）相关知识； 2）深入理解RAG完整技术栈、向量数据库、云原生部署； 3）熟悉医疗数据安全与隐私计算的工程实现，掌握医疗数据合规与隐私保护相关知识（如HIPAA、NMPA相关要求）； 4）熟悉医疗健康领域基本常识，了解电子病历标准（HL7/FHIR）、ICD/SNOMED等医学术语编码； 5）了解分布式训练优化、模型压缩推理加速、向量数据库及RAG技术栈相关知识。 6、所需能力（技能+综合能力） 1）技术技能：熟练掌握Python，精通Python Web开发框架；精通PyTorch/TensorFlow等深度学习框架；熟悉Docker/Kubernetes等容器化技术；具备大模型推理服务优化、大模型预训练、微调、强化学习完整训练闭环能力；掌握医疗数据处理、清洗、标注技术；精通Prompt工程、LLM Agent技术，熟悉LangChain等生态工具；具备大模型轻量化、端侧/云端部署优化能力。 2）综合能力：优秀的系统工程能力、问题分析与解决能力、问题排查能力和产品意识；出色的跨团队沟通、协作能力和项目推动能力；优秀的英文文献检索与阅读能力，强烈的技术学习热情与自驱力。