【医学专项】蚂蚁集团-医学大模型和世界模型算法-健康事业群

*岗位可招募实习生 • 负责医学大语言模型、多模态大模型及医学领域基础模型的架构设计与能力评估，探索适合医疗场景的模型架构、训练目标和数据组织方式。 • 研发能够建模医学知识、人体健康状态变化、疾病演化过程和诊疗路径的医学世界模型，提升模型对医学世界运行规律的理解和预测能力。 • 研究患者状态表示、疾病进展预测、治疗响应建模、临床路径建模和长期健康状态预测等关键算法。 • 探索医学干预建模、因果表示学习、反事实推演和不确定性估计，使模型能够在可信、安全的边界内模拟不同诊疗方案可能带来的状态变化。 • 跟踪大语言模型、多模态大模型、世界模型、状态空间模型、模型式强化学习、神经符号和因果推理等方向的前沿技术，并快速完成算法验证和原型实现。 【任职要求】 • 计算机、人工智能、机器学习、数学、统计、生物信息学、医学工程等相关专业，硕士或博士优先。 • 具备扎实的机器学习、深度学习和生成模型基础，熟悉 Transformer、大语言模型、多模态模型或世界模型的基本原理。 • 熟悉大模型架构设计、预训练、领域继续预训练、多模态训练或分布式训练中的一种或多种技术。 • 熟练使用 PyTorch 等深度学习框架，具备良好的模型实现、训练调试、实验分析和工程优化能力。 在以下至少一个方向有较深入的项目经验： • 大语言模型或多模态大模型的架构设计与预训练； • 世界模型、状态空间模型、环境动态建模或模型式强化学习； • 医学文本、影像、病理、组学等多模态表征学习； • 知识图谱、医学 ontology、神经符号系统或知识增强模型； • 因果发现、因果表示学习、反事实推理或不确定性建模。 • 具备优秀的论文阅读、问题抽象和快速实践能力，能够将前沿研究转化为可运行、可评测的算法原型。 具备以下经验者优先： • 在 NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、ACL、Nature 系列、Cell 系列等顶会或顶刊发表过一作论文； • 有百亿参数以上大模型预训练、继续预训练或训练优化经验； • 有高质量开源项目核心贡献经验； • 对“医学通用人工智能”和“医学世界模型”有独立思考和长期技术判断。