医疗多模态循证推理大模型探索研究

1. 负责研发基于多模态大语言模型的临床决策系统底座，强化其在自主循证检索、多模态思维链推理、Thinking with Anything（RAG、Tool、Grounding）等方面的核心能力。 2. 突破影像、化验、病历等多源异构数据的融合分析壁垒，支撑全流程临床辅助决策，逼近并扩展人类医生的认知边界。 3. 构建超大规模的多模态医疗数据集（涵盖影像、皮肤、饮食、文本等），通过预训练与后训练技术强化模型的工具调用能力。 4. 持续打磨并调优核心模型，确保其在国内外权威的临床大模型评测榜单（如healthBench、MedXpertQA等）上达到业内SOTA水平。

1. 获得本科及以上学历，计算机科学、人工智能、医疗信息学、数据科学等相关专业； 2. 深入理解大语言模型（LLM）与多模态融合技术原理，精通大模型全流程训练（PT/SFT/RLHF/Agentic RL/RAG）及推理优化机制； 3. 具备卓越的工程落地能力与复杂系统架构设计思维，能够有效应对多模态数据对齐过程中的大规模算力调度与存储优化挑战； 4. 具备高度的责任感与严谨的科研态度，立志于通过AI前沿技术攻克人类健康领域的核心难题，具备优秀的逻辑推演能力； 5. 在人工智能或智慧医疗领域的顶级学术会议上有高质量论文发表记录，或在重大开源项目中拥有核心贡献经历者优先。