【医学专项】蚂蚁集团-医学大模型后训练算法-健康事业群

优缺点分析

角色解读

• 技术深度发展：成为大模型训练与对齐领域的专家，主导下一代医学大模型的核心算法
• 跨领域拓展：从医学向其他高准确性领域（如法律、金融）扩展，成为行业AI解决方案架构师
• 管理路线：带领团队负责整个后训练数据与算法体系，晋升为技术总监或高级研究员
• 负责医学大模型的后训练（post-training）算法研发，包括SFT、偏好优化、强化学习等，提升模型在医学领域的知识、推理和指令遵循能力
• 建设高质量医学训练数据体系，涉及数据清洗、难例挖掘、合成数据生成和质量评估
• 研究面向医学推理的Agentic Training，包括工具调用、长链路任务训练和多轮交互优化
• 研发医学任务的奖励模型与评测体系，从事实准确性、安全性等维度评估模型
• 扎实的机器学习、深度学习和大语言模型基础，熟悉Transformer、生成式模型和大模型训练流程
• 精通SFT、RLHF、DPO等偏好优化或强化学习技术，并有实际项目经验
• 具备数据处理能力，能构建合成数据或数据飞轮
• 有百亿参数大模型微调或训练优化经验者优先

申请策略

• 研究蚂蚁健康事业群的产品和医学AI成果，在面试中展示对公司业务的理解
• 准备一个完整的后训练项目故事，从数据到模型到评测，体现系统性思维
• 突出大模型后训练（SFT、RLHF、DPO）的实际项目经验，包括模型规模、数据量级和效果提升
• 强调数据处理能力，如合成数据生成、难例挖掘或数据飞轮建设经验
• 如有医学AI项目或顶会论文，单独列出并在简历显眼位置标注
• 开源贡献如提交过训练框架的PR或发布过对齐算法工具，详细说明
• 补充RLHF或DPO的深入实现，包括reward model训练、PPO算法等细节
• 熟悉医学领域知识，可阅读临床指南或医学NLP相关论文

面试指南

• 使用STAR原则：情境-任务-行动-结果，具体量化效果
• 对比多种方法时，从理论正确性、实际效果、计算成本、易用性等角度多维分析
• 设计评测体系时，先明确业务目标，再拆解维度（准确、安全、鲁棒等），然后制定自动化+人工的指标
• 请详细介绍你做过的一个SFT或RLHF项目，包括数据来源、模型架构、训练策略和效果评估
• 如何构建一个高质量的医学训练数据集？你会如何处理数据噪声和污染？
• 比较DPO和RLHF的优缺点，在医学场景中你会选择哪个？为什么？
• Agentic Training 怎么做？如何让模型学会工具调用和多轮交互？
• 你如何设计一个医学大模型的评测体系？主要关注哪些维度？