蚂蚁金服蚂蚁集团-医疗大模型训练算法-健康事业群
任职要求
1. 熟悉并实操大模型的预训练（Pre-training）、微调（Fine-tuning）、后训练（Post-training）全流程； 2. 有丰富的NLP项目经验，熟悉Transformer架构及主流大模型，具备实际部署和优化经验者优先； 3. 熟练掌握Python编程语言，熟练使用PyTorch或Tensor…
工作职责
1. 负责医疗垂直领域大模型的基础研究和工程落地，聚焦大模型的预训练、后训练（SFT、RL）等关键技术； 2. 深入挖掘医疗行业的多源异构数据（包括结构化知识、非结构化文本、临床记录等），构建高质量语料库和知识增强机制，支撑大模型在医疗场景下的可控性和泛化性； 3. 研究并实现大模型在医疗领域的继续预训练、推理增强、指令对齐、上下文对话等关键技术，提升模型在复杂医疗任务中的性能与稳定性； 4. 关注并探索大模型前沿技术，持续跟踪LLM、MoE、Scaling Law、Continual Learning等方向，推动医疗大模型能力的持续迭代与升级。
1、负责医疗大模型安全能力建设，围绕医疗安全、伦理合规、偏见与公平性等方向，定义医疗大模型的安全能力边界，并持续推动能力落地和效果提升； 2、基于对医疗应用场景和风险的理解，抽象医疗大模型安全能力，并拆解为模型训练和评测所需的能力体系、任务树与评估标准，与算法研发团队协作推进安全策略落地； 3、设计和制定医疗大模型安全相关的评测标准与评测方法，包括但不限于规则评测、Rubric评测、对抗式评测等，构建可量化、可迭代的安全评测体系； 4、负责医疗大模型安全评测数据的采集、构建与维护，探索高质量人工数据与合成数据相结合的数据生产方式，确保数据质量满足安全评测和模型对齐的要求； 5、对模型安全评测结果进行分析和总结，识别模型在安全、伦理和偏见等方面的风险点，与算法团队协作，将评测结论转化为可执行的训练和优化策略，推动模型安全能力持续提升； 6、跟进大模型安全、对齐和评测领域的前沿研究与行业实践，并结合医疗场景特点，持续优化医疗大模型安全能力建设方法论。
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。
1. 深度参与医疗领域大模型（Medical LLM）的全链路研发，负责包括基础模型预训练、指令微调（SFT）、以及基于人类反馈的强化学习（RLHF）等核心技术的建模与优化； 2. 探索并实现面向医疗诊断辅助、健康管理等复杂场景的 AI Agent 架构，设计多步推理、工具调用及反思机制，提升模型解决实际医学问题的能力； 3. 建立完善的医疗垂直领域模型评估体系，从医学专业性、安全性、逻辑性等维度持续迭代算法方案。
-制定标注标准： 基于循证医学专业规范与医疗真实业务场景，定义并构建医疗大模型的核心能力标准体系，并落实执行标准 -驱动模型训练： 定期开展自有模型与行业竞品的横向评估，输出专业的医学评估报告，并协同算法研发团队，持续驱动模型效果优化与升级，迭代训练数据集分布与结构 -把控数据质量： 建立并完善医学视角的标注规范，培训数据标注团队，确保双方理解对齐，从源头提升大模型训练数据的准确性、专业性与实用性 -跨部门专业支撑： 具备跨部门协同经验，为算法、产品及业务团队提供全方位的医学知识普及、临床视角洞察及医疗合规支持