锦鲤求职岗位描述
一、关于我们
我们是全球 CRO 龙头企业旗下的AI 研究院,一支把大模型带进真实生命科学场景的实战团队。我们做三件事:让 AI 走进真实患者的随访对话、病历、诊断与风险预测,走进药物警戒与临床试验的运营现场;为集团的药物研发、制药与黑灯实验室等实验室业务提供抽象、可复用的基础模型能力;向整个 community 输出可复用的方法、工具与证据——以经得起验证的工作,参与定义 AI 在生命科学中的可能性。研究院的核心命题:让大模型在真实生命科学场景中达到可交付、可审计的可靠性。
二、为什么加入我们
• 真实战场。患者管理、医疗诊断预测、临床 CRO 全流程——你的工作上线后,用它的是真实的医生、患者和项目团队,反馈以天计,而不是停在 demo 和 benchmark。
• 专家护航。顶尖临床、药物警戒与统计专家是你的“外脑”:他们负责讲清业务逻辑,你专注把它变成模型与 agent,不必担心听不懂医学术语。
• 没有转译层。研究院不设产品经理与项目经理,这些职能由研究员以 FDE 模式承担——你直接 own 需求、方案、交付与迭代,不用隔着 PRD 猜业务。
• 工具与算力自由。鼓励并支持使用最先进的 AI 编程与研究工具(Cursor、Claude Code 等),训练与推理算力持续投入。
• 面试不考八股。不背 API、不手写红黑树,只聊你真正做过的项目、思路与归因——我们在意的是你怎么用 AI 解决真问题。
• 完整成长曲线。从 Associate Scientist(助理研究员)到 Senior Principal Scientist(首席主任研究员)的科学职级序列,与集团 M 序列对应打通,学术成果转化为业务结果同样计入贡献,不逼你二选一。
三、岗位职责
方向定位
面向具体应用开展模型后训练,让模型在真实临床与医疗服务场景中达到可交付的可靠性。这里的后训练以真实应用为实验场:场景真实、反馈闭环、结果可归因。
核心工作
• 领域数据体系建设:SFT 指令数据、偏好数据(DPO/RLHF)、可验证奖励(RLVR)数据的构造管线;结合医生标注、模型辅助标注与拒绝采样的数据生产;大规模去重、污染检测与质量分层;
• 后训练全流程落地与改进:领域知识注入(continued pretraining / mid-training)、SFT、DPO/GRPO/PPO 等偏好与强化学习方法的选型和多阶段训练配方设计;LoRA 与全参微调的权衡;构建医学专科专业模型(如肿瘤领域模型),沉淀专科知识注入与评测的方法论;
• 训练工程与诊断:分布式训练(DeepSpeed/Megatron-LM/FSDP 或 verl 等 RL 框架)、混合精度与训练稳定性问题定位(loss spike、reward hacking、灾难性遗忘);
• 评测体系:面向绑定应用建设领域评测集,校准 LLM-as-judge 与人工评审,打通线上失败案例回流至训练数据的闭环,并对训练指标与应用指标之间的归因作出判断;
• 与 Harness、FDE 方向协同,判定问题应由训练解决还是工程解决,并对边界负责。
绑定与协作模式
• 绑定一个主应用,对该应用的模型效果负责;
• 横向覆盖其他应用的后训练需求,优先级与排期由技术线负责人统筹,不由应用方直接指派。
四、任职条件
• 专业背景。计算机、人工智能、数学、统计学、电子信息等相关专业。
• 熟练使用 PyTorch,掌握至少一种分布式训练/RL 训练框架(DeepSpeed、Megatron-LM、FSDP、verl 等);
• 完整跑通过 SFT + 偏好/强化学习的后训练管线(数据→训练→评测),能独立定位训练不稳定与 reward hacking 类问题;
• 理解主流 LLM 架构(Transformer、MoE、长上下文机制)及推理部署的基本约束(vLLM/SGLang、量化);
• 具备大规模数据工程能力:文本清洗、去重、污染检测、数据配比实验。
• 论文优先。NeurIPS/ICML/ICLR/ACL/EMNLP 等主流会议一作论文者优先。
• 相关经验优先。LLM 后训练实战(SFT/RL 全流程)、大规模分布式训练工程、开源训练框架或后训练项目贡献;推理模型(RLVR/长思维链)训练经验、医疗/生物医学 NLP 经验加分。