二、任职要求

1、技术基础：熟练掌握Transformer/BERT/GPT等模型架构，精通PyTorch/TensorFlow框架,熟悉数据集处理、模型调优、训练过程控制等技术；具备医疗文本处理经验，熟悉UMLS/SNOMED CT/ICD等医疗知识图谱或术语标准者优先。

2、领域能力：深入理解医疗数据特点（如病历结构化、医学术语歧义性、数据稀疏性）；有医疗大模型（如BioBERT、ClinicalBERT）训练经验，或参与过医学问答、诊断推理项目者优先。

3、综合素养：能阅读医学文献并与临床团队高效沟通，快速理解业务需求；对医疗AI伦理、合规性有清晰认知，有医疗数据脱敏、联邦机器学习经验者优先。

4、熟悉自然语言处理的基本概念和技术，如分词、词性标注、命名实体识别、依存句法分析等。

5、具备扎实的编程基础，熟练使用Python、C++或Java等编程语言之一。

6、良好的团队协作和沟通能力，能够在跨学科团队中高效工作。

三、岗位职责

1、 医疗大模型研发与优化：负责医疗领域大模型（如电子病历理解、医学知识问答、辅助诊断）的架构设计、预训练、微调及效果优化；探索大模型在医疗场景下的轻量化、私有化部署方案，提升模型推理效率与资源利用率。

2、 医疗数据深度处理：构建医疗领域高质量预训练语料库，设计针对医学文本（病历、文献、指南）的清洗、标注、增强方案；开发医疗术语标准化、实体关系抽取、多模态数据（文本+影像）融合等专项模型。

3、 医疗场景落地支持：与临床专家合作，将大模型能力嵌入临床业务系统、智能问诊、科研数据分析等实际业务系统；设计符合医疗合规要求（如HIPAA/GDPR）的数据安全与隐私保护方案。