岗位职责：
负责医学语言与多模态大模型的预训练、指令微调、强化学习（RLHF）等训练流程的设计与实施，参与医学多模态大模型（文本、影像、组学等）的跨模态对齐、预训练及微调工作；构建高质量多模态数据集，提升模型在实际医学任务中的理解与表达能力。并根据不同场景，探索高效的训练策略和优化方法，持续提升模型性能与效果。
参与大模型算法框架的搭建与优化，涵盖训练、推理、部署等全流程；优化模型资源效率与推理性能，推动模型在医学场景中的工程落地。
负责大规模医学文本、多模态数据的收集、清洗与标注；分析数据分布和质量，为模型训练提供高质量数据支持。
跟踪大模型、医学AI、跨模态学习等领域的最新研究进展；参与团队技术讨论，提出创新方案并撰写技术文档与实验报告。
与数据工程师、专业团队等密切协作，将专业需求转化为技术实现方案；参与外部合作项目定制化研发。
任职要求：
具备扎实的机器学习理论基础和医学AI研究经验，在医学大模型、生物序列建模、分子图神经网络等领域有深入研究，熟悉AlphaFold、ESM、MolFormer等前沿模型架构。在多模态大模型、强化学习等方向有原创性研究成果，参与过国家级科研项目者优先；
具备出色的科研能力和学术视野，能够独立提出研究问题、设计实验方案、撰写高质量论文，熟悉医学AI领域的理论前沿和发展趋势，能够指导团队开展创新性研究；
具有计算机科学、人工智能、计算生物学、生物信息学、理论物理、应用数学等专业背景；
具备扎实的数学基础和算法能力，精通Python/C++等编程语言，熟练使用PyTorch/JAX等深度学习框架，掌握分布式训练、模型优化等技术；具备生物医学领域知识者优先；
在国际顶级会议和期刊发表过高质量论文者优先。