科大讯飞
【星火X计划】跨模态医学影像大模型研究(J14500)
【星火X计划】跨模态医学影像大模型研究(J14500)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Jax
Pytorch
分布式训练
医学影像
医疗Ai
多模态大模型
思维链推理
深度学习
值不值得投
75综合评分
综合评分 75
前沿医学影像大模型研发，博士起步，成长性高，技术挑战大，WLB未知。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2.5万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 220 个在招 · 其中人工智能 23 个
市场机会
选择面较广
广州 · 人工智能 · 76 个在招
职位详情
关于这个职位
该职位是科大讯飞星火X计划下的跨模态医学影像大模型研究岗位，专注于针对CT、MRI等多类型医学影像数据，研究影像跨模态统一表征、临床推理、智能诊断与自适应泛化技术
旨在突破通用大模型在医学影像领域的落地瓶颈，构建集数据构建、预训练、推理优化于一体的医学影像专属大模型，支撑临床辅助诊疗等核心业务场景
最低要求
-27届博士毕业生，人工智能、计算机科学、电子信息、自动化、模式识别、生物医学工程、医学影像工程、深度学习等相关专业，具备扎实的科研素养与医疗AI前沿研究视野
精通深度学习、大模型基础理论与多模态建模核心技术，具备1年以上多模态大模型研发经验、2年以上医学影像AI模型研发经验，熟悉主流医学影像数据特征与诊疗逻辑
熟练掌握大模型预训练、领域微调、偏好优化、强化学习等核心技术，能够独立完成医学影像多模态模型的问题定义、算法设计、数据治理、消融实验与规模化性能验证
具备扎实的工程实操能力，熟练使用PyTorch、JAX等主流深度学习框架，熟悉分布式训练、混合精度优化、显存调度、模型量化与推理部署
具备独立科研攻关、复杂问题拆解与技术迭代能力，能够自主攻克医学多模态建模、临床思维链设计、诊断Agent优化等核心技术难题
具备良好的跨团队协作能力，可协同临床、数据、算法、工程、产品团队完成模型迭代、临床验证与业务落地，抗压能力强，适配工业级前沿算法研发节奏
工作职责
负责跨模态医学影像大模型的技术研发，包括影像跨模态统一表征、临床推理、智能诊断与自适应泛化技术研究
针对CT、MRI、DR等多类型医学影像数据，联合影像报告、病历体征等多维度信息，解决数据噪声清洗、跨模态特征对齐、长尾样本泛化、医学影像专属思维链设计、影像诊断Agent自主推理等核心技术难题
搭建集高质量数据构建、领域预训练、指令微调、临床推理优化、智能交互诊断于一体的医学影像多模态大模型技术体系
推动模型在临床辅助诊疗、医学科研、智能阅片等业务场景的落地应用
优先资格
有医疗多模态模型、影像诊断模型落地经验者优先
有医学模型工程化落地、流式推理优化经验者优先
在NeurIPS、ICML、ICLR、CVPR、MICCAI等相关顶会发表论文，或有高质量开源项目、医疗AI落地成果者优先
AI 洞察
优缺点分析
优点
- 参与前沿的医学影像大模型研发，技术含金量高，能积累稀缺的跨模态AI经验
- 课题具有明确的临床应用价值和社会意义，有助于推动医疗AI创新
- 公司提供超大型企业平台，资源丰富，利于技术落地和职业发展
- 技术难度大，需攻克数据噪声、长尾样本、可解释推理等多个行业核心难题
- 博士起步且要求多年经验，对科研和实操能力要求极高，竞争激烈
- 适合具有扎实人工智能背景、对医疗影像领域有浓厚兴趣、追求技术突破与临床价值实现的博士毕业生
缺点 / 挑战
- 研发周期长，涉及跨团队协作，可能面临工程化落地和业务验证的压力
角色解读
- 可向医学AI领域专家或首席科学家方向发展，深耕影像大模型技术
- 积累临床经验和行业资源，参与跨学科项目，推动医疗AI产品化
- 在学术与产业结合中成长，成为连接技术研发与临床应用的桥梁
- 研究跨模态医学影像大模型的核心技术，包括数据降噪、特征对齐、思维链推理和诊断Agent构建
- 针对CT、MRI等医学影像数据，结合临床信息，开发智能诊断和自适应泛化模型
- 解决长尾样本、罕见病泛化等行业难题，推动模型在临床场景落地应用
- 精通深度学习、大模型预训练、多模态建模等核心理论，具备1年以上多模态和2年以上医学影像AI研发经验
- 熟练使用PyTorch、JAX等框架，掌握分布式训练、模型优化与部署技术
- 具备独立科研攻关能力，能解决复杂技术问题，有顶会论文或医疗AI落地成果者优先
申请策略
- 仔细研究科大讯飞在医疗AI领域的布局和成果，面试中展现对业务的理解
- 准备展示技术方案或研究计划，说明如何解决课题挑战中的具体问题
- 突出多模态大模型或医学影像AI的研发项目经验，量化成果如模型性能提升、论文发表等
- 展示深度学习框架（如PyTorch、JAX）的工程实操能力，包括分布式训练、模型优化案例
- 强调独立科研攻关能力，列举顶会论文、开源项目或医疗AI落地经验
- 体现跨团队协作经历，说明与临床、工程团队合作完成项目的过程
- 深入研读医学影像和临床诊断相关文献，补充医疗领域知识
- 实践大模型预训练、微调和推理部署，提升工程化落地技能
面试指南
- 对于技术问题，采用“问题分析-方法设计-实验验证”的结构，结合具体技术细节和论文支撑
- 对于项目经验，使用STAR法则（情境、任务、行动、结果），突出个人贡献和成果
- 对于开放问题，强调创新思维、跨学科协作和实际落地能力
- 如何设计医学影像的跨模态特征对齐方法，以融合影像和文本信息？
- 面对长尾样本和罕见病数据稀缺问题，你会采用哪些技术策略提升模型泛化能力？
- 请描述你理解的医学影像诊断思维链，并解释如何设计可解释的推理机制
- 如果让你构建影像诊断Agent，你会考虑哪些核心模块和交互流程？
- 分享一个你参与过的医疗AI或大模型项目，说明你的贡献和遇到的挑战
职位点评
薪资福利70
成长发展90
工作生活50
使命价值85
薪资福利
70中等
该职位薪资预计达到市场水准，但未明确披露具体薪资和福利细节，对补偿性动机的满足程度一般。
薪资信号未披露（AI估算：2千–3万/月）
成长发展
90较高
职位涉及前沿医学影像大模型技术，提供深度学习、多模态建模等核心技能成长机会，且课题具有创新性和挑战性，发展性动机能得到很好满足。
技术前沿前沿/新兴技术
技术栈多模态大模型、医学影像、深度学习、PyTorch、JAX、思维链推理、诊断Agent
业务类型profit_center
工作生活
50较低
JD未提及办公模式、工作时间或WLB相关信息，无法判断生活化动机的满足程度，可能面临研发节奏较快的挑战。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
该职位聚焦医疗AI，旨在推动医学影像诊断智能化，具有较高的社会价值和行业前景，意义感动机得到较好满足。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动医学影像AI从被动识别向主动智能诊疗推理进阶、促进医疗资源均衡化、提升全国影像诊断同质化水平、降低诊疗误差
创新程度开拓性创新（行业首创）
Watch Jobs