1.针对医疗领域特定问题，定义任务流程，收集或构建高质量数据集，对LLM进行训练； 2.尝试提升大语言模型在医疗方面的能力，包括但不限于高效训练、人工反馈对齐、多模态、生成质量评估，以提升LLM性能。 3.核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化。针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果。跟踪NLU领域的最新研究成果，并将其应用于实际业务中。 4.LLM-based Agent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用。负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验。构建自动化测评，探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务。 5.RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性。负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化。研究并解决RAG系统中的常见问题，并有效减少模型幻觉。 1.研究生及以上学历，计算机、电子工程、自动化控制等专业背景，有大模型的研究经验； 2.有扎实的数理基础和良好的逻辑思维能力，有深度学习算法框架使用经验； 3.良好的编程能力，熟悉Python,linux下常用指令； 4.熟悉现有的多种大语言模型，例如qwen、ds、glm等； 5.拥有医疗自然语言处理项目经验，或者对人工智能在医疗领域的应用有强烈兴趣； 6.有中文文本处理经验者优先，有计算机、医学、生物信息学等领域论文发表或者大赛获奖经历者优先。 7.工程与落地：熟悉算法模型的工程化部署、性能优化和线上服务的稳定性维护。与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用。构建完善的评测体系和数据闭环，驱动模型和系统持续改进。