2026届-博士-临床研发高级AI工程师-宁波

1. 01

   临床研发行业大模型研发 • 参与临床研究领域行业大模型（Clinical Foundation Model）的设计、训练与优化；

• 构建临床研发知识库、知识图谱及RAG体系；

• 开发医学、临床运营、药物警戒、统计分析等专业领域AI能力；

• 研究和应用SFT、RLHF、DPO、GRPO等模型优化技术；

• 构建临床研发领域高质量训练数据体系；

• 建立行业模型评测体系和Benchmark；

• 推动行业大模型在真实业务场景中的落地应用。 ________________________________________ 二、业务智能体（Agent）平台研发 • 参与企业级Agent Platform设计与开发；

• 构建Agent Runtime、Tool Calling、Workflow Engine等核心能力；

• 设计智能体编排（Agent Orchestration）框架；

• 开发企业知识访问与推理能力；

• 建设Agent开发平台、调试平台和评测平台；

• 优化智能体推理效率、稳定性和成本控制；

• 构建面向企业级应用的Agent治理体系。 ________________________________________ 三、临床研发数字员工开发 围绕临床研发全生命周期，开发面向不同岗位的AI数字员工： • 医学监查助手（Medical Monitor Agent） • 临床运营助手（Clinical Operations Agent） • 数据管理助手（Clinical Data Management Agent） • 生物统计助手（Biostatistics Agent） • SAS编程助手（Statistical Programming Agent） • 药物警戒助手（Pharmacovigilance Agent） • 医学写作助手（Medical Writing Agent） • 临床项目管理助手（Project Management Agent） 主要职责包括： • 设计智能体工作流；

• 开发领域专属工具链；

• 构建多智能体协作体系；

• 优化任务规划与执行能力；

• 提升业务自动化与智能化水平。 ________________________________________ 四、AI基础设施（AI Infra）建设 • 参与大模型训练与推理平台建设；

• 建设GPU集群资源管理平台；

• 研发MLOps与LLMOps体系；

• 构建模型部署与服务平台；

• 优化推理性能与资源利用率；

• 参与向量数据库、知识库平台建设；

• 研究分布式训练与推理技术；

• 推动AI工程化与平台化建设。 涉及技术方向包括： • Kubernetes • Docker • Ray • vLLM • SGLang • Triton • MCP • Agent Gateway • Model Gateway ________________________________________ 五、智能体自学习与自进化技术研究 作为下一代AI平台核心能力，探索具备持续成长能力的智能体系统。 研究内容 • 研究智能体自主学习（Self-Learning）机制；

• 研究智能体自主优化（Self-Improvement）框架；

• 研究长期记忆（Long-term Memory）体系；

• 构建经验积累与知识演化机制；

• 研究Reflection与Self-Correction技术；

• 研究Agent Planning与Reasoning能力；

• 研究Tool Learning与Workflow Learning技术；

• 研究基于业务结果反馈的持续优化机制；

• 研究强化学习驱动的Agent优化体系；

• 构建Agent能力评测与自动优化闭环；

• 探索AI Scientist与Autonomous Agent技术；

• 推动数字员工持续成长与能力演化。 ________________________________________ 六、前沿技术探索 持续跟踪和研究以下方向： • Large Language Models（LLM） • Reasoning Models • Agentic AI • Multi-Agent Systems • Reinforcement Learning • AI Scientist • Autonomous Workflow • Knowledge Graph • Retrieval-Augmented Generation（RAG） • Digital Workforce • Generative AI in Life Sciences ________________________________________

基本要求 • 2026届博士毕业生；

• 计算机科学、人工智能、机器学习、数据科学、生物信息学、医学信息学、统计学等相关专业；

• 扎实的机器学习与深度学习理论基础；

• 熟练掌握Python开发；

• 熟悉至少一种深度学习框架： o PyTorch o TensorFlow o JAX • 具备优秀的算法能力与工程能力；

• 具备良好的沟通与团队协作能力；

• 具备快速学习和解决复杂问题能力。 ________________________________________ 优先条件 满足以下一项或多项者优先： AI方向 • 大语言模型（LLM）研发经验；

• Agent或Multi-Agent项目经验；

• RAG系统开发经验；

• 知识图谱项目经验；

• 强化学习研究经验；

• AI Infra建设经验；

• 分布式训练经验；

• 开源社区贡献经验。 医药行业方向 • 熟悉临床试验流程；

• 熟悉GCP规范；

• 了解ICH相关指导原则；

• 熟悉CDISC标准（SDTM、ADaM）；

• 熟悉临床数据管理流程；

• 熟悉药物警戒流程；

• 熟悉医学写作流程；

• 具备医疗健康AI项目经验；

• 具有医药、生物、医学交叉背景。 ________________________________________ 加分项 • 在NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI、KDD等国际顶级会议发表论文；

• 熟悉DeepSeek、Qwen、Llama等开源大模型；

• 熟悉LangGraph、AutoGen、CrewAI、MetaGPT、OpenManus等Agent框架；

• 熟悉PPO、DPO、GRPO等强化学习算法；

• 具有Agent Evaluation或Agent Optimization项目经验；

• 具有AI Scientist相关研究经验；

• 获得国家奖学金、优秀博士论文等奖励；

• 发表高水平学术论文或拥有相关专利。 ________________________________________ 我们希望你具备 • 对AI改变生命科学和医疗行业充满热情；

• 对创新技术保持强烈好奇心；

• 具备科研探索精神与工程落地能力；

• 愿意挑战行业级复杂问题；

• 希望参与构建下一代临床研发数字员工平台。 ________________________________________ 你将获得 • 与顶尖AI科学家和临床专家共事；

• 深度参与行业级AI平台建设；

• 真实世界临床研发场景与海量专业数据；

• 从0到1打造行业大模型与数字员工体系；

• 广阔职业发展空间；

• 有竞争力的薪酬与长期激励计划；

• 国际化创新团队与开放技术文化。 ________________________________________ 关键词 Clinical AI｜Industry Foundation Model｜Large Language Model｜Agent Platform｜Multi-Agent Systems｜AI Scientist｜RAG｜Knowledge Graph｜Reinforcement Learning｜Digital Workforce｜Clinical Trial｜Medical Writing｜Pharmacovigilance｜Biostatistics｜Clinical Operations｜AI Infra｜MLOps｜LLMOps