智能互联阿里健康-大模型算法工程师 —智能问答-杭州（大模型算法-生成调优)

1.负责医学问答深度思考模式（DeepResearch）的产品优化，支持医学临床和科研类问题。 2.探索Agentic-AI在医学领域的技术落地和架构演进，提升医学问答算法的循证率和逻辑性。 3.和优秀的同学一起合作，为医生平台创新业务注入生命力。

1 负责搜索排序模块的开发，包括但不限于相关性、点击率、时效权威性、多样性等多目标排序，提升搜索结果的满意度。 2 深入研究基于LLM的相关性模型、重排模型等，提升搜索多目标排序能力，解决长尾query下排序泛化问题。 3 负责多目标排序体系的建设，包括特征体系、训练框架、abtest机制、评估标准等。 4 探索基于长行为序列的排序建模，提升端到端的搜索转化率。

1. 负责搜索引擎核心召回模块的算法研发与优化，包括但不限于稀疏检索，向量检索，时效性、权威性在内的多路召回体系，提升搜索结果的覆盖率和相关性。 2. 深入研究并落地基于LLM的Embedding模型，优化Query与Doc的语义匹配效果，解决长尾及语义鸿沟问题。 3. 负责查询理解模块，进行Query改写、扩展及意图识别等，与召回模块结合，提升复杂搜索词的召回准确度。 4. 探索强化学习在AI搜索中的应用，持续提升搜索系统的智能化水平。 5. 结合AB实验与离线评估数据，深入分析Badcase，驱动算法迭代，并在大规模数据索引场景下平衡性能与效果。

1. 负责医疗AI搜索场景下内容理解模块的算法研发与优化，包括但不限于医学文本的分类打标、结构化抽取、摘要，时效、权威特征体系构建，医疗Graph的搭建和挖掘等，构建高质量的搜索索引特征。 2. 深入研究并应用大语言模型进行内容理解，利用Prompt Engineering、微调等技术提升内容摘要、长文本建模及知识抽取的准确度。 3. 负责内容质量与权威性建模，针对搜索结果进行点击质量、低质识别、作弊检测及内容可信度评估，优化搜索结果的排序上限。 4. 探索多模态理解技术，实现文本、图片、视频等多维特征的对齐与融合，提升多模态搜索场景下的内容解析能力。 5. 协同召回与排序团队，通过知识图谱或语义图谱的建设，为搜索全链路提供语义增强特征，持续通过Badcase分析驱动理解模型的迭代。