岗位职责：
1. 主导开源大模型（如LLaMA、Qwen等）的领域适配优化，基于医疗特定领域语料，设计微调策略，提升模型在领域内的语义理解、内容生成及专业问答准确性。
2. 负责智能问答与检索系统的算法设计与落地，融合RAG技术，优化检索召回率与问答相关性，解决领域内复杂知识的精准响应问题。
3. 主导领域语料的全流程管理，包括数据采集、清洗、去重、标注及质量评估，构建高质量领域数据集；设计数据增强策略，提升模型训练数据的多样性与有效性。
4. 针对大模型优化及问答系统中的核心问题（如幻觉抑制、上下文理解、推理能力提升）开展技术攻关，通过实验调优、算法改进等方式持续提升产品效果。
5.将大模型优化成果及问答算法集成至业务系统，配合开发团队完成模型部署、性能调优；与产品、业务团队紧密协作，明确技术需求，输出符合业务场景的技术方案。
6. 关注大模型、检索问答领域的前沿技术动态（如多模态大模型、Agent技术、向量检索优化等），推动新技术、新方法在实际业务中的应用落地。
岗位要求：
1. 研究生及以上学历，计算机、人工智能、数学等相关专业，3年及以上机器学习/深度学习算法实战经验，有大模型或智能问答相关项目经历者优先。
2. 具备扎实的算法基础，熟悉机器学习、深度学习核心理论，理解Transformer架构原理及大模型训练、微调的核心机制。
3. 有开源大模型微调及领域适配经验，能独立设计基于领域语料的优化方案，掌握模型效果评估方法。
4. 深入理解检索系统原理，掌握RAG技术全流程，有智能问答系统、知识库问答项目开发或优化经验者优先。
5. 精通Python编程语言，熟练使用PyTorch/TensorFlow等深度学习框架；具备数据处理实战能力，能熟练使用Pandas、NumPy等工具完成大规模语料的清洗与预处理。
6、 具备良好的沟通协作能力，能清晰对接业务需求，与产品、开发团队高效配合推进项目。
7、有较强的自驱力和学习能力，能快速跟进大模型领域的技术迭代，主动解决项目中的技术难点。
8、具备严谨的逻辑思维和实验习惯，能通过规范化的实验设计、数据记录完成技术调优。
加分项
1. 有特定领域（金融、医疗、教育等）大模型优化或智能问答系统落地经验。
2. 熟悉模型部署优化技术，有大模型工程化落地经验。
3. 在Kaggle、天池等算法竞赛中获得过优异成绩，或在顶会发表过相关论文。
4. 熟悉分布式训练框架，有大模型训练经验。