崗位職責：
①開展大模型架構(gòu)設計與改進，包括Transformer變體研發(fā)、注意力機制優(yōu)化、位置編碼適配及高效訓練范式探索
②構(gòu)建高質(zhì)量訓練與評估數(shù)據(jù)集，實施數(shù)據(jù)清洗、去重、質(zhì)量過濾、指令微調(diào)數(shù)據(jù)構(gòu)造及多階段對齊數(shù)據(jù)工程
③主導大規(guī)模分布式訓練任務，基于DeepSpeed/Megatron-LM/FSDP等框架完成千億級參數(shù)模型的訓練、調(diào)試與穩(wěn)定性保障
④開發(fā)高性能推理服務系統(tǒng)，集成vLLM/TGI/Ollama等框架，實現(xiàn)模型量化（AWQ/SmoothQuant）、LoRA/QLoRA微調(diào)、知識蒸餾與顯存優(yōu)化
⑤設計并落地RAG增強檢索系統(tǒng)與提示工程策略，提升模型在垂直場景下的事實準確性、邏輯連貫性與任務完成率
⑥推動大模型工程化落地，完成模型封裝、API服務部署、效果監(jiān)控、A/B測試及業(yè)務側(cè)集成聯(lián)調(diào)，保障工業(yè)級可用性與SLA

任職要求：
①計算機科學、人工智能、數(shù)學或相關(guān)專業(yè)碩士及以上學歷，具備扎實的深度學習理論基礎與數(shù)學功底（線性代數(shù)、概率統(tǒng)計、最優(yōu)化方法）
②熟練掌握PyTorch框架，精通Transformer架構(gòu)原理、NLP核心任務（預訓練、SFT、RLHF/DPO/PPO）及CUDA/NCCL底層優(yōu)化技術(shù)
③具備3年以上大模型研發(fā)經(jīng)驗，主導或深度參與過至少1個百億級以上參數(shù)模型的訓練、壓縮或推理優(yōu)化全流程
④熟悉主流大模型技術(shù)棧（如HuggingFace Transformers、llama.cpp、vLLM、DeepSpeed-Inference），掌握模型評估標準（HELM、MT-Bench、AlpacaEval）及安全對齊實踐
⑤具備分布式系統(tǒng)開發(fā)能力，熟悉GPU集群調(diào)度、顯存管理、低延遲高吞吐推理服務架構(gòu)設計與性能調(diào)優(yōu)
⑥具備跨團隊協(xié)作意識與工程落地思維，能將前沿算法研究成果轉(zhuǎn)化為穩(wěn)定、可維護、可擴展的生產(chǎn)系統(tǒng)

崗位職責：
算法落地、大模型訓練及維護實驗室高性能計算資源 (GPU 集群)。 任職要求：
1.計算機、數(shù)學或軟件工程背景。不強制要求博士學位；
2.優(yōu)秀碩士且有 3 年以上高水平行業(yè)/研究經(jīng)驗者優(yōu)先，看重實際模型開發(fā)能力。

崗位職責：
1.基于LLM的知識圖譜自動化構(gòu)建系統(tǒng)：研發(fā)基于大語言模型（LLM）的多模態(tài)文檔智能解析工具，支持PDF、PPT、Word、網(wǎng)頁、圖片等格式的結(jié)構(gòu)化信息抽??；構(gòu)建實體識別、關(guān)系抽取、屬性抽取的LLM微調(diào)流水線，提升垂直領(lǐng)域知識抽取準確率；實現(xiàn)文檔理解與知識增強，包括文檔結(jié)構(gòu)分析、表格解析、公式識別、跨文檔關(guān)聯(lián)，并設計實體對齊與消歧算法，解決多源異構(gòu)數(shù)據(jù)的知識融合問題
2.大規(guī)模知識存儲與查詢引擎：基于NebulaGraph/gStore/ArangoDB等構(gòu)建高并發(fā)知識圖譜存儲與查詢引擎，實現(xiàn)復雜多跳查詢的秒級響應（如5跳以上關(guān)系路徑查詢）；集成Milvus/Weaviate/Qdrant等向量數(shù)據(jù)庫，構(gòu)建統(tǒng)一的多模態(tài)向量檢索系統(tǒng)，支持十億級向量的毫秒級檢索
3.AI記憶中臺核心能力建設：構(gòu)建基于知識圖譜的RAG（檢索增強生成）系統(tǒng)，支持事實性、可追溯的AI問答；研發(fā)動態(tài)記憶更新機制，支持知識圖譜的增量更新與版本管理；實現(xiàn)文本、圖像、音視頻等多模態(tài)知識的統(tǒng)一表示與關(guān)聯(lián)檢索和跨模態(tài)對齊
4.系統(tǒng)架構(gòu)與工程化：設計知識圖譜系統(tǒng)的微服務架構(gòu)，支持水平擴展與容災切換，實現(xiàn)海量知識數(shù)據(jù)的增量更新與實時同步機制；優(yōu)化知識抽取與構(gòu)建的端到端流水線，支持TB級文檔的自動化處理；將核心能力封裝為API服務與SDK，支持業(yè)務團隊快速集成，并提供領(lǐng)域適配框架，支持不同垂直行業(yè)的快速知識圖譜構(gòu)建 任職要求：
1.優(yōu)先3年以上知識圖譜、圖數(shù)據(jù)庫或向量檢索系統(tǒng)開發(fā)經(jīng)驗，至少1年基于LLM的知識工程或RAG系統(tǒng)開發(fā)經(jīng)驗
2.精通知識圖譜全棧技術(shù)，熟悉LLM和信息抽取、知識融合、存儲查詢等完整流程，至少精通一種主流圖數(shù)據(jù)庫（Neo4j/NebulaGraph/TigerGraph等）
3.向量檢索系統(tǒng)經(jīng)驗：有Milvus/Weaviate/Qdrant等向量數(shù)據(jù)庫實戰(zhàn)經(jīng)驗
4.精通Python和C++，熟悉Java/Scala，熟悉PyTorch/TensorFlow框架
5.具備大規(guī)模數(shù)據(jù)處理系統(tǒng)設計經(jīng)驗，熟悉微服務架構(gòu)、容器化部署、服務治理等云原生技術(shù)，有系統(tǒng)性能優(yōu)化經(jīng)驗，能夠解決高并發(fā)場景下的性能瓶頸
6.加分項：有數(shù)據(jù)庫開發(fā)優(yōu)化經(jīng)驗；有億級實體規(guī)模知識圖譜項目經(jīng)驗；有開源項目貢獻經(jīng)驗；在相關(guān)領(lǐng)域頂會有論文發(fā)表（如KDD、WWW、ACL、EMNLP）

崗位職責：
1.大模型系統(tǒng)架構(gòu)開發(fā)：
a.設計并實現(xiàn)高性能、可擴展的大模型訓練與推理系統(tǒng)，優(yōu)化分布式計算、顯存管理、通信效率等關(guān)鍵模塊。
b.開發(fā)或改進大模型框架（如Verl、vLLM、Megatron等），支持十億級/百億級/千億級參數(shù)的穩(wěn)定訓練與高效推理。
2.性能優(yōu)化與調(diào)優(yōu)：
a.解決大模型在訓練/推理中的瓶頸問題（如計算、存儲、通信），通過算子融合、流水線并行、量化壓縮等技術(shù)提升效率。
b.針對硬件（GPU/昇騰）特性進行底層優(yōu)化，實現(xiàn)低延遲、高吞吐的推理服務。
3.基礎設施構(gòu)建：
a.搭建大模型開發(fā)與部署的全棧工具鏈，包括數(shù)據(jù)預處理、分布式訓練集群管理、模型服務化（如vLLM、SGLang）等。
b.設計容錯、彈性伸縮的推理平臺，支持多租戶、高并發(fā)場景需求。
4.前沿技術(shù)探索：
a.跟蹤LLM領(lǐng)域最新進展（如MoE、RLHF、多模態(tài)），將研究成果工程化落地。
b.探索大模型與邊緣計算、知識圖譜、具身智能等技術(shù)的結(jié)合。 任職要求：
1.熟練掌握大模型訓推框架（如Megatron/vLLM/SGLang/Verl)的開發(fā)和優(yōu)化，熟悉分布式系統(tǒng)。
2.扎實的算法基礎，熟悉Transformer架構(gòu)及大模型關(guān)鍵技術(shù)（如KV Cache、Flash Attention）。
3.優(yōu)秀的編程能力（Python/C++），熟悉Linux開發(fā)環(huán)境與容器化技術(shù)（Docker/K8s）。
4.加分項：有百億以上參數(shù)的大模型訓推部署和優(yōu)化經(jīng)驗；熟悉LLM生態(tài)工具鏈（如Hugging Face、LangChain、LoRA）

崗位職責：
1.負責大模型在業(yè)務場景的應用落地；
2.調(diào)研大模型的業(yè)界前沿算法，追蹤最前沿的技術(shù)動態(tài)，并應用在相關(guān)的項目中；
3.結(jié)合RAG、模型微調(diào)、MCP等大模型算法技術(shù)，提升AI在業(yè)務場景的效果。
4.追蹤AI Agent及多智能體系統(tǒng)領(lǐng)域的前沿動態(tài)，拓展系統(tǒng)的能力邊界，推動業(yè)務場景落地。 任職要求：
1.計算機相關(guān)專業(yè)本科及以上學歷，3年及以上工作經(jīng)驗；
2.熟練掌握常見機器學習/深度學習算法與框架，在LLM方面有一定研究基礎或經(jīng)驗，熟悉常用大模型，如GPT系列、LLaMA、DeepSeek等，熟悉大模型微調(diào)方法，有實際業(yè)務落地經(jīng)驗者優(yōu)先；
3.較強的工程實現(xiàn)能力，熟練掌握Python/JAVA/C++等編程語言；
4.具備優(yōu)秀的問題發(fā)現(xiàn)分析與解決能力，良好的業(yè)務理解能力，團隊合作與溝通能力，優(yōu)秀的自驅(qū)力；
5.有智能問詢、Agent開發(fā)和復雜prompt工程調(diào)優(yōu)經(jīng)驗的優(yōu)先。

崗位職責：
1、參與構(gòu)建與整理大規(guī)模單細胞多組學數(shù)據(jù)庫，為大模型預訓練提供高質(zhì)量數(shù)據(jù)基礎。
2、協(xié)助團隊推進單細胞基礎模型（Single-cell Foundation Model）的研發(fā)，包括：
-大模型架構(gòu)復現(xiàn)與優(yōu)化
-預訓練數(shù)據(jù)構(gòu)建、清洗與打標
3、參與單細胞大模型的預訓練、微調(diào)和推理流程開發(fā)，提升模型在不同場景下的泛化能力與穩(wěn)定性。
4、設計和評估基于大模型的下游生物任務，包括但不限于：
-細胞類型預測與嵌入學習
-基因調(diào)控網(wǎng)絡（GRN）推斷
-細胞狀態(tài)建模與軌跡預測
-大模型的可解釋性與生物機制挖掘
5、參與撰寫技術(shù)文檔、模型評估報告，并支持團隊進行研究成果展示。 任職要求：
1、生物信息學、計算生物學、免疫學、生物技術(shù)、人工智能、生物醫(yī)學工程等相關(guān)專業(yè)背景。
2、熟悉Transformer相關(guān)架構(gòu)，不限于大模型（LLM/Transformer）、基礎模型（Foundation Model） 。
3、有豐富的大模型訓練的工作經(jīng)驗或項目經(jīng)驗。
4、具備英文文獻閱讀能力，能夠快速理解前沿 BioAI / AI4Science 領(lǐng)域模型進展。

崗位職責：
一、負責醫(yī)療領(lǐng)域計算機視覺（CV）相關(guān)AI模型的設計、開發(fā)、訓練與優(yōu)化，重點聚焦醫(yī)學影像（如眼底、CT、MRI、皮膚等）的智能分析與診斷相關(guān)模型研發(fā)；
二、搭建高效、可靠的深度學習模型訓練流水線，包括數(shù)據(jù)預處理、特征工程、模型迭代、性能調(diào)優(yōu)及效果驗證；
三、參與醫(yī)療數(shù)據(jù)的清洗、標注規(guī)范制定及數(shù)據(jù)增強方案設計，保障數(shù)據(jù)質(zhì)量與模型泛化能力；
四、參與醫(yī)院/科研院所科研項目，技術(shù)文檔、專利及學術(shù)成果的撰寫與輸出。 任職要求：
（一）核心要求
1、碩士及以上學歷，計算機科學、電子信息工程、生物醫(yī)學工程、人工智能、統(tǒng)計學等相關(guān)專業(yè)；
2、具備扎實的機器學習、深度學習理論基礎，精通計算機視覺核心算法（如目標檢測、圖像分割、圖像分類、語義分割等）；
3、熟練使用 PyTorch 深度學習框架，具備獨立搭建、訓練及優(yōu)化復雜 CV 模型的項目經(jīng)驗；
4、掌握 Python 編程，熟悉數(shù)據(jù)處理庫（NumPy、Pandas、OpenCV 等）及模型評估工具，具備良好的代碼規(guī)范與工程實現(xiàn)能力；
5、具備較強的問題解決能力、邏輯思維能力及跨團隊溝通協(xié)作能力，能快速響應業(yè)務需求；
6、了解醫(yī)療行業(yè)基本規(guī)范，具備醫(yī)療影像相關(guān)AI項目經(jīng)驗者優(yōu)先（如眼底疾病篩查、CT/MR病灶檢測等場景）。
（二）加分項
1、具備大模型（LLM）相關(guān)經(jīng)驗，如醫(yī)療領(lǐng)域大模型微調(diào)、多模態(tài)融合（文本 + 影像）、大模型輔助診斷等項目經(jīng)驗；
2、掌握基礎前后端開發(fā)技能（如Flask/Django、Vue.js等），能獨立完成簡單模型演示系統(tǒng)或接口開發(fā)；
3、有醫(yī)療器械AI產(chǎn)品研發(fā)、NMPA申報相關(guān)技術(shù)支持經(jīng)驗，熟悉醫(yī)療 AI 產(chǎn)品落地流程及合規(guī)要求；
4、在頂會或SCI期刊發(fā)表過醫(yī)療AI、CV相關(guān)學術(shù)論文，或擁有相關(guān)技術(shù)專利者；
5、具備良好的英文文獻閱讀與技術(shù)調(diào)研能力，能快速轉(zhuǎn)化前沿技術(shù)至實際項目。

崗位職責：
1)?領(lǐng)導本課題組進行的AI+Science的大型項目；
2)?做出引領(lǐng)領(lǐng)域研究方向、有重大影響力的工作。 任職要求：
1)博士后出站或者即將出站，有AI或者相關(guān)科學領(lǐng)域（等離子體或者生命科學）科研背景；
2)編程能力強，學習能力強；
3)對于AI+科學領(lǐng)域有strongpassion；
4)善于團隊合作，有領(lǐng)導大型項目經(jīng)驗的加分。