精品一久久_日韩成人激情_av2016天堂网_国产成年片_日日影视_精品国产观看

2. 全流程模型管理 - 主導模型從數據預處理、訓練、評估到部署的全生命周期管理。 - 構建高質量垂直領域數據集（如中醫古籍文本、電子病歷），完成數據清洗、標注與增強。 - 使用DeepSpeed、FSDP等技術實現分布式訓練，優化GPU資源利用率。

3. 強化學習與對齊技術 - 研究并實現 監督微調（SFT） 與 人類反饋強化學習（RLHF） 技術，提升模型對齊用戶需求的能力（如ReFT論文中的強化微調方法）。 - 設計 獎勵函數 和 PPO訓練框架，優化模型在復雜任務中的決策能力（如中醫辨證論治規則建模）。 - 探索 在線強化學習（Online RL） 和 離線強化學習（Offline RL） 在醫療場景的應用。

4. 技術落地與協作 - 將微調模型集成到HIS系統，支持智能問診、診療輔助等功能，確保與醫療業務流程無縫對接。 - 與醫療顧問協作，驗證模型輸出的合規性（如中醫理論規范、患者隱私保護） - 輸出技術文檔與案例，支持客戶培訓及技術方案宣講。

5. 前沿技術探索 - 跟蹤大模型領域最新研究（如多模態模型、Agent框架），探索其在醫療場景的應用潛力。 - 研究對齊技術（如DPO/RLAIF）、RAG（檢索增強生成）等，優化模型交互體驗與響應質量。

職位要求： 1. 學歷：計算機科學、人工智能、數學或醫學相關專業碩士及以上學歷。 2. 經驗：3年以上深度學習或大模型項目經驗，有醫療AI或NLP項目落地者優先。 3. 數學基礎： - 熟練掌握 線性代數（矩陣運算、特征值分解）、微積分（梯度下降、優化理論）、概率論與統計學（貝葉斯推斷、假設檢驗）。 - 理解 馬爾可夫決策過程（MDP）、貝爾曼方程、策略梯度定理 等強化學習數學基礎。 4. 技術能力： - 精通PyTorch/TensorFlow框架，熟悉HuggingFace生態及主流開源模型。 - 掌握參數高效微調（PEFT）技術，熟悉LoRA、Adapter等方法。 - 熟悉分布式訓練（如DeepSpeed、FSDP）和模型壓縮（如量化、蒸餾）。 - 有醫療數據處理經驗（如電子病歷、舌診圖像）或中醫知識基礎者優先。 5. 強化學習要求： - 熟悉 監督微調（SFT）、人類反饋強化學習（RLHF）、ReFT（Reinforced Fine-Tuning） 等技術。 - 掌握 PPO（Proximal Policy Optimization）、DQN（Deep Q-Network） 等強化學習算法，能獨立實現訓練框架。 - 有 在線強化學習 或 離線強化學習 項目經驗，能設計獎勵函數并優化策略。 6. 工具掌握： - 熟練使用Python。 - 熟悉模型部署技術（如FastAPI、Triton、vLLM、KTransformers等）。 加分項目： - 對中醫有一定程度的了解，有中醫臨床經驗，或在中醫醫療機構中具有工作經驗會優先錄取。 - 有強化學習論文復現或 ReFT技術實踐經驗。 - 參與過醫療AI競賽（如Kaggle醫療挑戰）或開源項目貢獻。 - 掌握Docker、Kubernetes等DevOps工具