【岗位职责】

模型特化与前沿调优： 针对 DiffDock、Boltz-2、OpenFold 等前沿开源模型，利用公司私有闭环实验数据进行深度微调（SFT）和适配器设计（Adapters），提升其在特定靶点上的预测成功率。

生成式模型开发： 探索 LLM（大语言模型） 在生物序列建模中的应用，并研究如何利用 World Model（世界模型） 构建生物化学过程的神经仿真环境，优化小分子生成的启发式搜索与多目标优化。

算法工程化与框架迁移： 熟练运用 PyTorch 或 TensorFlow 进行高性能算法开发。解决模型处理异构生物数据时的对齐问题，利用自有算力集群进行高效的分布式训练与模型蒸馏。

跨学科协同创新： 与世界级 CADD 专家及药物发现科学家深度配合，将复杂的物理化学规则转化为损失函数（Loss Function）或模型架构设计，共同推进药物管线研发。

【任职要求】

• 计算机、统计或数学相关专业，对 Transformer、扩散模型（Diffusion）及 LLM 架构有深刻的底层逻辑理解。

• 具备大规模数据训练经验，熟练掌握分布式训练工具链（如 DeepSpeed、Megatron-LM），能够优化超大规模模型的训练效率。

• 具备极强的快速学习能力，能够迅速掌握 SMILES 格式、蛋白质 3D 结构等生化基础概念。

• 加分项：在 NeurIPS、ICML、ICLR 等顶会发表过 LLM、世界模型或 AI4S 相关论文，或在蛋白质/分子类竞赛中获得过 Top 排名。