【医学专项】蚂蚁集团-医学大模型后训练算法-健康事业群

*岗位可招募实习生 • 负责医学大模型后训练算法研发，包括监督微调、偏好优化、强化学习、过程监督和持续迭代等，提升模型在医学知识、推理和指令遵循方面的能力。 • 建设高质量医学训练数据体系，开展数据清洗、难例挖掘、合成数据生成、质量评估、数据去重和污染检测等工作。 • 研究面向医学推理和复杂任务的 Agentic Training，包括工具调用训练、长链路任务训练、环境反馈利用和多轮交互优化。 • 研发适用于医学任务的奖励模型、过程奖励模型、规则验证器和模型验证器，为偏好优化和强化学习提供可靠的奖励信号。 • 建设医学大模型评测与能力诊断体系，从事实准确性、推理稳定性、指令遵循、工具调用、安全性和任务完成度等维度评估模型。 【任职要求】 • 计算机、人工智能、机器学习、数学、统计等相关专业，硕士或博士优先。 • 具备扎实的机器学习、深度学习和大语言模型基础，熟悉 Transformer、生成式模型和大模型训练流程。 • 熟悉 SFT、RL、偏好优化、奖励建模、过程监督或合成数据中的一种或多种技术。 在以下至少一个方向有较深入的项目经验： • 大模型 SFT、指令微调或领域能力注入； • RLHF、RLAIF、DPO、OPD 或其他偏好优化算法； • 奖励模型、过程奖励模型、验证器或推理能力训练； • Agentic Training、工具调用训练、合成数据或数据飞轮建设。 具备以下经验者优先： • 在 NeurIPS、ICML、ICLR、ACL、EMNLP 等顶会或顶刊发表过一作论文； • 有百亿参数以上大模型微调、强化学习或训练优化经验； • 有医学大模型、临床推理或高准确性领域模型对齐经验； • 有高质量开源训练框架、对齐算法或数据项目核心贡献经验。