职位描述
【团队与岗位愿景】
在这里，你将参与构建生物医药大模型与知识推理系统，用最前沿的 AI 技术解决新药研发与生命科学领域的真实痛点。
【核心职责】
1、领域大模型研发与优化：负责生物医药大模型的垂直优化，包含语料构建、指令微调、RAG/GraphRAG 结合及工具调用，提升模型在复杂科学场景下的推理准确度与可信度（降低幻觉）。
2、多模态科学文档理解：研发面向论文、专利等多模态文档（文本、表格、图表、分子式等）的解析算法，实现复杂科学信息的高精度结构化提取。
3、生化实体抽取与知识挖掘：设计优化的 NER、RE 和实体链接模型，构建跨模态信息抽取 pipeline，实现多粒度实体（靶点、疾病、化合物等）及构效关系（SAR）、ADMET 信息的精准抽取与关联。
4、算法工程落地：构建高性能的 AI 推理与数据处理服务，推动算法能力在海量专利、文献及真实药物研发业务中的高效落地。任职要求
【任职资格】
1. 背景与经验
- 计算机、人工智能、计算生物学、化学信息学等相关专业博士学历（具备丰富工业界落地经验的优秀硕士亦可）。
- 具备 AI4Science、生物医药知识图谱、医疗/科学大模型、AIDD 等相关方向的研发经验。
2. 核心技术栈（满足部分即可）
- 大模型/深度学习：精通 Transformer 架构，有 LLM / VLM 的训练、微调（LoRA等）及部署经验；精通 PyTorch 及大规模分布式训练。
- NLP/多模态：熟悉信息抽取（NER/RE）、长文本建模、RAG 架构或多模态文档解析（OCR/图文对齐）。
- 化学/生物信息学：熟悉大分子/小分子表示方法（SMILES、三维构象等），熟练使用 RDKit 等工具处理分子数据者优先。
3. 行业理解力
- 具备良好的生物医药/化学基础知识（如靶点机制、PK/PD等），能与业务领域的科学家高效跨频沟通。
- 熟悉常用的生化公开数据库（如 ChEMBL、PubChem、UniProt、PDB 等）。
【加分项】
- 在顶会/顶刊发表过高质量论文，或有知名开源项目贡献者优先。
- 有实际的工业级生物医药大模型、智能药物发现平台、复杂专利/文献挖掘系统落地经验。
- 熟悉 BioBERT/ChemBERTa/AlphaFold 等生态圈，或有图神经网络（GNN）、分子生成相关经验。
