核心目标： 研发前沿算法，为医疗文本（尤其病历）的深度理解与智能应用提供核心模型能力。 岗位职责： 1、核心算法研发与优化：负责电子病历相关的NLP算法研发，包括医学实体识别、关系抽取、文本分类（质控规则判定）、语义相似度计算等，持续提升模型在医疗专业场景下的准确率与鲁棒性。 2、大模型与知识增强技术： l对通用大语言模型进行领域适配（Domain Adaptation）与高效微调（如LoRA, QLoRA），使其掌握医疗专业知识与病历书写规范。 l 深入研究与优化检索增强生成技术，负责RAG系统中核心算法组件的研发，包括但不限于：嵌入模型训练与优化，以提升医学概念的表征能力；检索排序算法优化，以提升病历段落检索的精准度；探索重排序、HyDE等技术在提升答案质量上的应用。 3、知识体系建设：结合规则与深度学习算法，从海量病历与非结构化文献中抽取知识，构建与迭代医疗知识图谱，并研究基于图谱的推理与问答技术。 4、全链路效果提升：从数据构造、模型训练、评估到上线，对算法效果全流程负责。设计科学的实验，分析模型误差，提出并实施有效的改进方案。 5、技术前瞻与赋能：跟踪NLP与医疗AI前沿技术，进行原型验证，撰写技术专利与论文，并为团队进行技术分享。 任职要求： 1、学历专业：计算机科学、人工智能、生物医学信息学等相关专业，硕士及以上学历优先。 2、技术基础： l 扎实的机器学习/深度学习基础，精通NLP核心任务及Transformer系列模型原理。 l 熟练掌握Python及PyTorch/TensorFlow框架，有使用Hugging Face生态进行模型训练与微调的丰富经验。 l 深入理解RAG技术架构及其核心算法组件（检索器、嵌入模型、重排器），有实际项目优化经验者优先。 l 熟悉常用的数据挖掘和机器学习库。 3、经验与能力： l 具备医疗NLP项目经验者优先，熟悉电子病历数据结构、医学术语体系及临床逻辑。 l 出色的逻辑思维和问题拆解能力，能从复杂的业务问题中抽象出核心算法挑战。 l 良好的团队协作和沟通能力，能清晰阐述算法方案与价值。 4、重大加分项： l 在知识图谱构建、信息检索、大模型微调等任一方向有深入研究或项目成果。 l熟悉多模态模型或强化学习在NLP中的应用。