核心职责：负责构建和优化医疗垂域的视觉基础模型(Encoder)，利用海量医学影像数据进行自监督学习，以提取能够适应不同模态CT/MRI/病理等)的高质量通用视觉特征。 VLM，图像理解，视觉文本方向 岗位职责： 1、参与大规模 VLM 模型的训练与优化，涵盖图文匹配、跨模态生成、多模态问答等任务。 2、负责训练管线搭建与优化，包括 分布式训练、显存优化、混合精度、梯度检查点 等。 3、深入研究并实现前沿多模态算法（CLIP、BLIP、LLaVA、InternVL、Qwen-VL 等），推动团队模型能力持续进化。 4、 参与 数据管线建设：从数据清洗、样本混合、指令模板设计，到训练集构建。 5、支撑团队的下游落地项目，将模型能力转化为真实产品体验。

任职要求： 1、硕士以上学历，计算机、人工智能、电子信息等相关专业 2、熟练使用 PyTorch，了解 DeepSpeed / FSDP / ZeRO / Megatron-LM 等分布式训练框架。 3、对多模态模型有深入理解：熟悉视觉编码（ViT / Swin）、语言建模（Transformer / LLM）、跨模态对齐与融合机制。 4、具备独立阅读论文、快速复现和实现新模型的能力。 5、有较强的工程能力与调优经验，能解决显存瓶颈、数据效率、收敛稳定性等问题。 6、对大模型训练有强烈兴趣，乐于探索并持续打磨自己的训练 pipeline。