AI大模型开发工程师

该职位来源于猎聘 岗位职责 1、多模态疾病大模型架构设计与训练 - 参与 cfRNA 多组学疾病模型的原型设计，在导师指导下学习/改进适合多组学时序数据的模型架构（VAE-Transformer、Temporal Transformer、多模态融合网络、图神经网络等） - 参与模型预训练与领域自适应微调，接触万人级多组学队列数据（cfRNA-seq + cfDNA 甲基化 + 临床表型），理解异构数据对齐与批次效应治理等核心挑战 - 参与百万级以上参数多模态模型的训练优化，建立模型评估体系（AUC、生态型一致性、进展预测精度等） 2、多组学数据工程与治理 - 参与多项目异构数据治理体系设计，理解不同项目、不同临床字段的灵活存储方案，了解从原始 FASTQ 到特征矩阵的全链路血缘追踪 - 参与 cfRNA 参考注释库与多组学特征矩阵版本管理，接触批次效应、缺失模态、多租户数据隔离等工程实践 3、疾病生态型发现与纵向进展预测 - 基于多模态模型，参与发现 cfRNA 疾病生态型（多分子共表达模式定义的疾病状态类），识别驱动疾病进展的关键 RNA 与通路 - 参与纵向时序模型开发，预测疾病进展轨迹与生态型转换，推动「有没有癌」到「怎么变的、为什么变」的范式升级 - 参与可解释 Biomarker 挖掘算法（疾病亚型分类、早筛、预后预测、治疗响应标志），推动临床转化与 CRO 服务落地 任职要求 1、计算机科学、人工智能、生物信息学、计算生物学、生物统计学或相关专业硕士及以上学历； 2、对 AI / 深度学习有扎实基础，有课程项目、科研训练、竞赛或实习经历者优先； 3、了解 DeepSpeed、FSDP 等分布式训练技术，有数据处理、数据标注相关实践者优先 4、熟悉 Python 与 PyTorch，有完整的模型训练 / 调参项目经历（课程设计、科研、实习均可） 5、了解 Transformer、自注意力机制、对比学习等核心技术，有异构组学模态融合、缺失模态处理、VAE 开发或 RNA-FM、ESM 等生物基础模型应用经历者优先 6、有纵向时序建模学习/实践（Temporal Transformer、状态空间模型、神经 ODE）者优先 7、具备良好的跨学科沟通意识，愿意对接研发与临床团队开展协作