蚂蚁集团-医学专项-健康多模态模型工程师

岗位职责

团队介绍： 蚂蚁健康正在自研医疗多模态大模型（Santé-VL），你身边的阿福，让 AI 真正理解医学、服务医生和患者。我们相信：好的医疗 AI，一定要由懂医学的人深度参与构建。

工作内容 本岗位同时面向大模型算法人才与医学专业人才开放，设「基础模型方向」与「应用算法方向」两大方向。 无论你擅长模型训练还是医学专业，都能在「医学问题定义 → 数据构建 → 模型训练 → 效果验证」的完整链路中找到自己的主场，深度参与医疗大模型从数据到训练到评测的核心链路。 方向一：基础模型

1. 基座模型构建：负责医疗影像多模态基础模型的预训练工作，探索高效的训练策略与架构，使模型具备强大的视觉与语言理解能力；

2. 模型能力对齐：负责模型的后训练工作，通过指令微调（SFT）、人类反馈对齐（如 RLHF / DPO）等技术，使模型能精准理解并执行下游任务，如影像问答、报告解读、病理诊断等；

3. 数据引擎建设：参与构建高质量的训练数据流，研究并实践先进的数据清洗、数据合成等技术；

4. 前沿技术跟进：持续研究和跟踪多模态大模型领域的最新进展，并将其创新性地应用于医疗项目，保持团队的技术领先性。 方向二：应用算法

5. 医学专业性把关：参与医疗大模型训练数据（SFT / RL）的医学质量建设——定义什么是对的、什么是好的、什么是危险的，设计医学标注规范与质控流程，对模型输出的医学准确性与安全性负责；

6. 评测标准制定：设计贴近临床真实的评测体系（医学问答、报告解读、影像理解、问诊对话等），构建权威医学评测集，对模型 badcase 做医学归因分析，驱动效果迭代；

7. 医学 → 算法翻译：把临床真实场景和医生需求，拆解成可执行的算法任务和数据需求，与算法团队一起跑通「医学问题定义 → 数据构建 → 模型训练 → 效果验证」的全链路；

8. 医学知识体系梳理：参与医学知识图谱 / 临床指南 / 权威教材语料的体系化建设，让模型的医学知识「有源头、可信赖」。

任职要求

1. 专业基础：具备扎实的机器学习 / 深度学习 / 强化学习基础，或具备扎实的医学知识体系（内、外、影像、检验等基本盘扎实），能把具体病例放到诊疗全流程中理解；
2. 工程与工具能力：熟练掌握 Python 编程，精通至少一种深度学习框架（PyTorch 优先）；或具备 Python 基础与数据分析能力，能自行处理数据、开展分析；
3. AI 感知力：日常深度使用过大模型产品，了解 Prompt、模型评测等基本概念，对「AI + 医疗」有真实热情和独立判断；
4. 严谨与责任心：医疗容错率极低，需要你对每一条医学内容、每一处技术细节的准确性较真；
5. 结构化表达能力：能把模糊的医学问题或复杂的技术问题，写成清晰的规范、标准和分析结论。

加分项 基础模型方向优先考虑：

1. 有大模型开源项目、医疗应用场景、多模态或文本大模型的预训练与后训练实战经验；

2. 有处理大规模数据集的实战经验，在高质量数据清洗、合成数据生成等方面有较丰富案例；

3. 有人工智能顶会或期刊论文发表经历。 应用算法方向优先考虑：

4. 临床医学、基础医学、医学影像、药学、生物医学工程等相关专业背景；

5. 有临床实习 / 规培经历，具备医学全貌视角；

6. 有医学 NLP / 医学影像 AI / 医疗知识图谱等项目或论文经历；

7. 参与过医学题库建设、医学考试辅导、医学科普等内容工作；

8. 熟悉临床指南、药品说明书等权威医学文献体系。

投递说明：欢迎有工作经验、应届毕业生、在校实习生投递（实习期望：可尽快实习入职，实习期 ≥ 3 个月）。

特色标签

Java、Python、PyTorch、人工智能、人类偏好强化学习、医护办事、医疗、医疗健康、医疗大模型、发表算法相关优秀论文、垂直行业大模型、大模型算法、学术论文、强化学习、强化学习人类反馈、强化学习微调、数字医疗、智能应用、机器学习、机器学习基础、模型加速/性能优化、深度学习、深度学习框架、监督微调、算法工程化经验、编程语言、自然语言处理、自然语言处理算法、行业大模型、语言模型、顶级会议论文