岗位职责：
1. 预训练：主导美年健康垂直领域MoE大模型（100B+总参数，10B+激活参数）的预训练策略，基于2.3PB结构化数据+15PB+影像数据构建高质量领域语料，设计数据质量评估与训练稳定性保障机制
2. Post-Training：主导SFT、RLHF、DPO、Self-Play等全链路对齐，构建覆盖体检报告生成、AI-MDT、数字健康管理师的指令数据集与评估基准，建立医疗建议的安全合规机制
3. RAG与知识图谱：设计多路召回RAG架构（Dense+Sparse+Graph+Keyword），构建体检指标-疾病-症状-治疗-药品的全链路知识网络，实现循证推理引擎与可解释健康风险评估
4. VLM：主导医疗多模态大模型建设，支持DICOM原始数据、报告文本、临床指征的联合建模，实现云胶片智能解读、眼底筛查辅助等场景，建立幻觉控制与临床准确性评估体系
5. 长上下文与压缩：主导10万+token长上下文建模与MoE推理优化（专家并行、投机解码），领导模型压缩（FP8/INT4/INT8）与私有化部署方案设计
任职要求：
1. 本硕985/211或海外同等水平高校博士，或硕士3年以上大模型相关经验
2. 至少精通以下两个方向：
a. 预训练：主导过10B+参数大模型完整预训练周期，精通DeepSpeed/Megatron-LM，具备千卡级集群经验，有MoE架构实战经验
b. 对齐：精通RLHF全流程（Reward Model/PPO/DPO），有医疗或高风险场景对齐经验，具备领域评估体系构建能力
c. RAG/知识图谱：主导过工业级RAG系统（日调用千万级）与百万级实体医疗知识图谱，熟悉循证医学与UMLS/SNOMED CT
d. VLM：主导过VLM完整训练周期，有医疗影像专项经验，精通DICOM与放射学/病理学/眼底病学至少一个领域
e. 长上下文/压缩：有100K+上下文落地经验，精通TensorRT-LLM/vLLM深度定制与CUDA优化
3. 有Qwen/DeepSeek/Llama等开源贡献，或NeurIPS/ICML/ACL/CVPR/Nature Medicine等顶会顶刊论文者优先