阿里巴巴研究型实习生-医疗大模型算法研发工程师
任职要求
【必备项】 1、良好的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言 ，能够提出并实现算法创新，并且能够在大规模综合性医学影像+临床数据上实现自己的算法并充分验证。 2、极佳的科研能力，有成果发表在ICCV、MICCAI、IPMI、CVPR、ECCV、TMI、MedIA、NeurIPS、ICML、TPAMI等国际顶级会议/期刊者优…
工作职责
我们期待你具有医学影像/计算机视觉/机器学习等方面扎实的基础知识和丰富的实践经验。 我们期待你对医学临床问题感兴趣，有热情从事相关工作。 我们期待聪明、皮实、乐观、自省、追求卓越和自我驱动的优秀人士加入达摩院，共同开创医疗影像+AI的临床服务精准医疗新格局。 具体职责包括但不限于： 1、负责医学影像+计算机视觉基础算法分析、诊断、搜索、合成等方面的算法研究、系统研发和产品开发; 包括研发多模态医学影像综合分析，医学影像合成与增强，scalable & generalizable 器官分割，病灶检测, 病人临床信息学，疾病精准诊断，疾病治疗方案预后优化和推荐，病人治疗随访并疗效评估等新一代的人工智能赋能的临床流程。 2、积极参与我们临床合作者的日常研发和研讨活动，能够从病人的角度出发，定义临床问题，研发临床人工智能解决方案，比较综合的培养人才。
阿里巴巴达摩院医疗AI团队，面向多模态医疗大模型的前沿研究与应用落地，旨在构建筛查-诊断-治疗全流程大模型和Agent系统。 研究方向包括但不限于： ● 多模态医疗大模型的架构设计、训练与优化 Agent系统设计、训练和优化 ● 医学影像（CT/MRI/超声）与医学文本（病历、检验报告等）的跨模态表示学习，多模态对齐，知识图谱增强 ● 医疗领域的视觉‑语言模型（VLM）、医学版GPT及多模态融合方法 ● 少样本/零样本医疗任务泛化、可解释性与可信AI 我们拥有： ● 海量高质量、多模态临床数据（多模态影像+文本+结构化信息） ● 与国内外顶级医院、知名医学专家的长期科研合作 ● 在顶级会议与期刊（Nature子刊、TMI、MICCAI、CVPR、NeurIPS等）的高影响力成果 这是一个将AI大模型与医疗健康结合、面向未来的研究机会。
医学影像（如CT、MRI、超声等）AI识别技术在疾病筛查、诊断和治疗过程中发挥着重要作用。达摩院医疗实验室癌症早筛、医学图像合成技术（AICG）、医疗多模态大模型、医学影像感知基础模型、影像报告生成、等领域已有多年积累，相关创新成果发表于Nature Medicine/TPAMI/IJCV/CVPR/ICCV/NeurIPS/ICLR/ICML等领域顶会顶刊。传统医学影像AI模型大多是在专门构建的小数据上训练专有小模型，受限于训练数据量和模型尺寸，此类模型通常泛化性较差无法满足真实世界的多中心需求。近几年大模型的兴起，特别是医疗垂域大模型的出现，为医学影像分析带来了新的机遇。我们期望通过研究医疗影像AI相关的基础模型技术（包括但不限于医疗影像生成大模型、感知基础模型、多模态大模型、大模型优化、Agent智能体等），解决有应用价值的临床问题。 我们期望你在实习工作中，解决如下算法问题，发表高质量的AI顶会或者临床期刊： （1）医学影像生成大模型：探索医疗影像生成基础大模型（医疗领域的SORA），探索医疗影像感知生成一体框架，探索医疗编辑统一模型，探索如何合成高质量医学影像数据等。 （2）医学影像感知基础模型：探索自监督和VLP等范式的大规模预训练方法（例如DinoV2/CLIP/MAE）及其临床应用，探索对多器官、多病种的感知和理解统一模型（例如Vista3d、MedSAM2、MedClip）等。 （3）医疗多模态大模型（MLLM）：探索如何融合不同医疗模态的影像和文本数据，探索医疗多模态大模型的临床应用，探索医疗影像报告生成、探索基于文本引导的grounding任务等。 （4）大模型训练推理加速技术：探索在保证模型性能的前提下提升生成模型的训练和推理效率，包括但不限于扩散模型、LLM、多模态大模型、Transformer和CNN网络架构的训练推理加速。 （5）医疗Agent智能体：探索医疗Agent系统的设计或者临床任务的应用，能够根据实际的诊断流程设计合理的Agent智能体。 （6）其他有价值的临床医学课题：基于高质量临床医学数据，分析其中临床问题针对性设计合适的AI算法，完成临床实验验证。
研究领域： 人工智能 项目简介： 随着远程医疗、居家康复、互联网医院等场景爆发式增长，医患之间“面对面”实时交互从“线下”迁移到“线上”。传统文字/图片问诊已无法满足听诊、视诊、康复指导、急救指挥等强实时、强感官的临床需求。 项目聚焦“听得到、看得见、看得懂、答得准”四大痛点，构建一套医疗级、低延时、可解释、可扩展的音视频多模态实时交互 Agent 框架。通过融合图像、视频、音频、文字、结构化数据等模态数据，实现接近真人医生视频对话的实时交互效果，提升用户体验，保障在AI诊疗任务中的识别效果。
研究领域： 大模型 项目简介： 医疗RAG系统缺乏可验证证据溯源能力，难以确保医学内容的规范性与权威性，PICO结构化问答与证据召回，结合Meta-analysis、指南和系统综述的证据增强生成。本项目具体包括以下几方面的工作： 一、医学文献解析方案研究 1. 适配多源医学文献格式（PDF/HTML/数据库接口等） 2. 提取文献结构与元数据（标题、摘要、作者、研究类型等） 3. 自动抽取医学证据要素（PICO、效应量、统计值、结论等） 4. 建立基础标注集与解析准确率评测体系 二、医学证据图谱构建方案研究 1. 设计证据图谱 Schema（节点、关系、证据等级） 2. 统一医学实体标准（疾病、药物、术语等规范化） 3. 建立文献→Meta→指南的证据链路 4. 设计图谱增量更新与版本管理机制 三、医学证据索引构建策略研究 1. 构建文本结合结构化字段的混合索引 2. 设计文献分段与证据级 Chunk 切分策略 3. 研究医学专用向量模型与嵌入优化 4. 建立索引评测指标（召回率、覆盖率等） 四、医学证据检索策略研究 1. 开发关键词 + 向量 + 图谱的混合检索机制 2. 支持“按证据等级/研究类型”过滤检索 3. 实现问题意图识别与 PICO 查询重写 4. 建立医学证据检索评测体系 五、医学证据重排策略研究 1. 研究“相关性 + 证据等级 + 时效性”融合排序模型 2. 提取可影响排序的证据质量特征（样本量、研究类型等） 3. 引入 LLM/Ranker 模型进行排序优化 4. 提供可解释的证据排序输出