大模型知识算法负责人（医疗）

优缺点分析

角色解读

• 技术深耕路径：成为保险或医疗垂直领域的AI技术专家，向首席科学家或技术Fellow方向发展
• 管理进阶路径：从算法团队负责人逐步晋升为AI平台或智能化业务部门的技术总监
• 业务融合路径：深入理解保险业务，转向利用AI赋能业务增长的复合型管理岗位，如智慧保险业务负责人
• 为公司的医疗健康险业务构建底层知识智能体系，将非结构化的保险和医学知识转化为可计算、可推理的数字化资产
• 设计并实现基于大模型和知识图谱的核心算法，解决条款解析、医学实体识别、智能问答等复杂问题
• 带领算法团队，确保技术方案与业务需求对齐，并对最终业务指标（如准确率、效率）负责
• 建立从数据、算法到线上应用的全链路质量评测和迭代闭环，保障系统长期可靠运行
• 深度掌握RAG（检索增强生成）、知识图谱构建与推理、实体链接、复杂文档信息抽取等核心AI技术
• 具备扎实的保险与医疗交叉领域知识，理解医学编码、疾病药品体系及保险业务流程
• 拥有从0到1搭建算法评测体系的能力，并能通过数据驱动持续优化模型效果
• 出色的架构设计和跨部门沟通能力，能将复杂技术方案转化为可落地的业务价值

申请策略

• 深入了解中国平安的“医疗健康生态圈”战略及科技赋能保险的布局，将个人价值与公司战略结合
• 准备一份清晰的技术路线图设想，阐述如何从0到1或优化现有体系来构建这个知识底座，体现架构思维
• 重点突出在知识图谱、RAG、信息抽取等方向的项目经验，尤其是处理复杂文档或构建行业知识库的案例
• 详细描述在医疗NLP、保险科技、医学知识工程等相关领域的实践经历与成果
• 明确列出所负责的技术架构设计、团队规模及管理职责，以及项目对业务指标的提升效果
• 展示评测体系建设经验，如如何设计金标集、评估模型效果并驱动迭代
• 系统性学习保险业务核心流程（如核保、理赔）及医疗健康领域的关键概念和编码体系
• 深入研究大模型在RAG场景下的最新技术实践，如混合检索、重排序策略、幻觉控制等

面试指南

• 对于技术问题，采用“背景-挑战-方案-结果-反思”的结构，突出技术选型的理由和量化成果
• 对于业务理解问题，先阐述业务痛点，再说明技术如何切入，并强调与业务方协作定义成功标准的过程
• 对于团队管理问题，结合具体例子，说明如何根据项目目标拆解任务、分配资源、激励成员和保证交付
• 请介绍一个你主导过的、结合了知识图谱与检索技术的AI落地项目，遇到了哪些核心挑战以及如何解决？
• 如何设计一个面向保险条款解析的评测体系？你会关注哪些核心指标？如何定义‘金标’？
• 如果让你负责这个医疗知识底座的建设，你的第一版技术架构会如何设计？优先解决哪些问题？
• 在带领团队时，你如何为不同方向（如知识图谱、RAG、评测）的工程师制定发展计划并确保团队产出？
• 如何确保你的算法输出在保险业务场景中是准确、可解释且合规的？