科大讯飞
【星火X计划】打造超级医生助手—跨专科自适应的医疗复杂循证推理研究(J13814)
【星火X计划】打造超级医生助手—跨专科自适应的医疗复杂循证推理研究(J13814)
发布于 大约 8 小时前普通员工/个人贡献者
合肥市 / 北京市
无经验要求
全职员工
仅现场办公
博士
机器学习工程
Grpo
Prm
Rlhf
医疗Ai
多模态
大模型
深度学习
长上下文推理
AI 估算 · 30k–50k
顶尖AI人才计划，博士学历，医疗AI前沿方向，合肥和北京薪资有差异，综合行业水平估算。
职位详情
关于这个职位
这是科大讯飞星火X顶尖AI人才计划中的医疗AI研究岗位，聚焦跨专科自适应的医疗复杂循证推理
你将参与打造“超级医生助手”，攻克诊疗任务动态规划、长上下文循证推理、多模态融合决策、跨专科智能体协同等核心技术难题，推动医疗AI从单点辅助向自主决策跨越
适合具有深厚深度学习与大模型基础、有志于前沿医疗AI研究的博士毕业生
最低要求
-27届博士毕业生，人工智能、计算机科学、深度学习、自然语言处理、生物医学工程或应用数学等相关专业，具备良好的科研素养与前沿研究视野
理论功底扎实，精通深度学习与大模型核心基础理论，熟悉 Transformer 架构、长上下文注意力机制、强化学习（RLHF/GRPO）与过程监督（PRM）核心原理，掌握大模型预训练、微调、推理全链路技术体系
具备大模型 Agent 架构设计或复杂长链条推理前沿研究经验者优先
具备优秀的独立科研攻关与复杂问题拆解能力，能够精准挖掘医疗/工业级复杂场景下大模型长文本遗忘、逻辑幻觉、多 Agent 博弈冲突等核心技术瓶颈，独立完成原创算法方案设计、原理迭代与大规模集群实验验证，具备较强的问题复盘与技术优化思维
拥有扎实的数理推导、算法建模与实验设计能力，可独立完成长序列循证推理、多模态联合表征、多体博弈决策模型构建及多维度性能对标分析
在 ICLR、NeurIPS、ICML、ACL、EMNLP 等顶级学术会议或期刊有长序列建模、复杂 Reasoning、Multi-Agent 或医疗大模型相关论文发表者优先
具备良好的跨学科沟通表达与团队协同能力，拥有较强的技术敏感度与严谨的临床/工程安全意识，能够将前沿算法创新精准转化为可落地的工业级 Agent 解决方案，抗压能力强，能够适配工业级前沿算法研发节奏
工作职责
突破医疗复杂任务动态规划，研发临床诊疗路径自适应规划与演进算法，实现复杂诊疗目标的阶梯式子任务动态拆解，形成全闭环临床决策链
攻克长上下文循证推理，构建适配临床超长时序的无损记忆机制，结合过程监督与长链条思维链，实现具备主动追问、动态纠错与严谨循证追溯的专科深度推理
强化医疗多模态融合决策，研发“文本-影像-病理”多模态联合表征模型，精准捕捉超长时序病程与高维空间特征
通过跨专科智能体协同推理，设计契合真实临床规范的跨学科组织调度体系与博弈冲突协调算法，实现临床精准权威个性化诊疗方案
优先资格
具备大模型 Agent 架构设计或复杂长链条推理前沿研究经验者优先
在 ICLR、NeurIPS、ICML、ACL、EMNLP 等顶级学术会议或期刊有长序列建模、复杂 Reasoning、Multi-Agent 或医疗大模型相关论文发表者优先
AI 洞察
优缺点分析
优点
- 属于公司顶尖人才计划，资源倾斜明显，科研平台和算力支持充分
- 医疗AI赛道高速增长，社会价值显著，有助于积累深厚的行业影响力
- 工作地点可选择合肥或北京，两者均为核心研发基地
- 课题难度大，涉及多种复杂技术融合，对科研能力和抗压能力要求很高
- 医疗领域对安全性和可靠性要求极高，算法落地需严谨验证，过程可能漫长
- 跨学科沟通成本高，需要与临床专家磨合，理解真实医疗需求
- 适合对前沿技术有强烈好奇心、热爱科研攻关、希望在医疗AI领域成就一番事业的博士毕业生
缺点 / 挑战
- 课题极具前沿性和挑战性，处于医疗AI技术突破的最前沿，个人成长空间大
角色解读
- 从研究员起步，逐步成长为医疗AI领域的专家，主导核心技术方向
- 有机会晋升为技术负责人或项目带头人，带领团队攻关前沿课题
- 依托科大讯飞平台，深入医疗AI产业化落地，成为领域内稀缺的复合型人才
- 研究并突破医疗复杂循证推理的核心算法，包括诊疗任务动态规划、长上下文推理、多模态融合和多智能体协同
- 设计并实现大模型Agent架构，使其具备主动追问、动态纠错和循证追溯能力，应用于临床辅助决策
- 在工业级场景下进行大规模实验验证，将算法创新转化为可落地的医疗AI解决方案
- 跨学科协作，与临床专家、工程团队共同推动技术迭代与产品化
- 扎实的深度学习与大模型理论基础，熟悉Transformer、RLHF、GRPO、PRM等
- 具备大模型预训练、微调、推理全链路实践能力，熟悉分布式训练与集群实验
- 优秀的科研能力，能独立完成复杂问题的拆解、算法设计与验证
- 掌握多模态建模、强化学习、Multi-Agent等技术，并有相关实践经验
申请策略
- 关注科大讯飞星火大模型的研发方向，在面试中展示与课题相关的思考
- 准备好展示科研历程的PPT，清晰呈现问题定义、方法创新和实验结果
- 突出在顶级会议或期刊上发表的相关论文，尤其是长序列建模、推理、Multi-Agent或医疗AI方向
- 强调深度学习和大模型的工程实践经验，如预训练、微调、RLHF等
- 展示独立解决复杂问题的科研案例，体现算法设计、实验验证和迭代优化的能力
- 若有医疗相关项目或跨学科合作经历，务必详细描述
- 系统复习大模型核心技术，特别是长上下文注意力、过程监督、强化学习等，并补充数学推导
- 尝试复现前沿论文中的Agent或推理方法，加深对多智能体博弈和长链条推理的理解
面试指南
- 回答技术问题时，可使用STAR结构：情境（Situation）、任务（Task）、行动（Action）、结果（Result），突出个人贡献和思考
- 对于开放性问题，先拆解问题核心要素，再给出分步解决思路，强调可行性和创新性
- 结合医疗场景的特殊性，从安全、可靠、可解释等角度补充说明，展现严谨性
- 请详细介绍你的一项研究，如何解决长序列建模中的遗忘或幻觉问题？
- 如何设计一个多Agent系统来解决跨学科会诊中的决策冲突？
- 你对RLHF和GRPO的理解是什么？在医疗场景中如何应用过程监督？
- 在资源受限的情况下，如何平衡大模型效果和推理速度？
- 假设让你实现一个“超级医生助手”，你会如何规划技术路线？
职位点评
76
综合评分
顶尖AI人才计划，医疗AI前沿研究，发展性极强，但WLB一般。
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。
更适合这类人
最适合追求技术前沿、科研成就和社会价值的博士毕业生，对工作强度有心理准备。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活45
使命价值88
薪资福利
70中等
科大讯飞为上市公司，薪资福利有保障，但具体薪酬未披露，顶尖人才计划通常待遇优厚，但需根据offer确认。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
课题处于医疗AI最前沿，涉及多项尖端技术，且有公司平台和资源支持，个人成长和发展空间极大。
技术前沿前沿/新兴技术
技术栈Transformer、RLHF、GRPO、PRM、Agent、多模态、长上下文、推理
业务类型profit_center
工作生活
45较低
工作地点固定，未提及弹性工作或远程，科研岗位可能面临高强度研发节奏，工作生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
88较高
医疗AI具有显著社会价值，课题致力于解决优质医疗资源短缺问题，意义感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号填补优质资源巨大缺口、赋能基层实现专家级精准诊疗、推动医疗AI实质性跨越
创新程度稳健跟随主流
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs