主要職責：
1、設計RLHF訓練流程，利用醫(yī)生/專家反饋微調模型；
2、建立多維質量指標（醫(yī)學正確性、引用完整性、語義清晰度）；
3、與QC團隊協(xié)作，實現(xiàn)“人機共訓”閉環(huán)。
任職要求：
1、機器學習或數(shù)據(jù)科學專業(yè)背景；
2、熟悉強化學習原理與人類反饋建模；
3、能編寫高質量Python訓練代碼，歡迎在扎實編程能力的基礎上做氛圍編程；
4、優(yōu)秀的團隊協(xié)作能力，溝通能力強；
5、具備產品思維，較強的邏輯思維和問題解決能力，能夠快速學習并適應新技術和新場景。
優(yōu)先條件：
1、有微調、RLHF實踐經驗，有醫(yī)學AI模型優(yōu)化經驗；
2、有開源項目貢獻經驗（如GitHub熱門項目）；
3、熟悉醫(yī)療/生物領域；
4、機器學習,強化學習(MDP, PG, PPO)理論底子強;
5、發(fā)表過相關學術論文。